عنوان پایان‌نامه
آشکار سازی وابستگی های
- رشته تحصیلی
- مهندسی کشاورزی - مهندسی منابع آب
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 44306;کتابخانه پردیس ابوریحان شماره ثبت: 324
- تاریخ دفاع
- ۰۸ اردیبهشت ۱۳۸۹
- دانشجو
- مهدی نیکزاد
- چکیده
- چکیده: خشکسالی یک پدیده طبیعی است که به کندی آغاز، به آرامی گسترش و به شدت بر همه جوانب فعالیتهای بشری تاثیر می گذارد لذا شناخت کامل و همه جانبه و پایش دقیق آن می تواند ابزار مناسبی را برای مقابله با آن و کاهش اثرات زیانبارش بدست دهد. هدف اصلی این تحقیق بهبود بخشیدن پایش خشکسالی توسط کشف وابستگی های بین خشکسالی و چندین پارامتر اُقیانوسی – اتمسفری به روشی متفاوت با وابستگی های آماری سنتی می باشد. در این مطالعه از تکنیک داده کاوی قوانین انجمنی به منظور کشف این وابستگی ها در ایستگاه آبادان استان خوزستان استفاده شده است. حوادث خشکسالی بر اساس شاخص بارندگی استاندارد شده(SPI) تعیین و وابستگی های بین حوادث خشکسالی و شاخص های اُقیانوسی- اتمسفری که شامل شاخص های نوسانات جنوبی(SOI)،انسو جند متغیره(MEI)،اُقیانوس آرام آمریکای شمالی(PNA)،نوسانات اطلس شمالی(NAO)و نوسانات دهه ایی اُقیانوس آرام(PDO)می شوند مورد بررسی قرار گرفت. نتایج آزمایشات نشان می دهد که نوع الگوهای منتخب حاکم بر وقوع خشکسالی در این ایستگاه برای تأخیرهای زمانی متفاوت، مشابه هم می باشند و وقایع خشکسالی با دقت حداکثر24/74 و حداقل 86/44 درصد قابل پیش بینی بوده و استفاده از ترکیب شاخص های اُقیانوسی- اتمسفری ، سبب افزایش دقت پیش بینی خشکسالی شده است. همچنین بعضی از شاخص های اُقیانوسی – اتمسفری بطور منفرد ارتباط بیشتری با خشکسالی ها دارند که از این نظر شاخص های MEI ، SOI و PDO به ترتیب بیشترین ارتباط را دارند. استفاده از هرکدام از شاخص ها به طور منفرد و یا ترکیبی برای تأخیرهای زمانی متفاوت، دارای دقت های پیش بینی متفاوت هستند بر همین اساس برای هر کدام از ترکیب ها زمان تأخیر بهینه، که در آن تأخیر زمانی ترکیب مورد نظر حداکثر تأثیر منفی خود را می گذارد، بدست آمد. بنابراین قوانینی که با این روش حاصل می شود را می توان به عنوان مکمل رویکردهای موجود برای پایش خشکسالی به کار برد. کلمات کلیدی: شاخص خشکسالی SPI ، شاخص های اُقیانوسی- اتمسفری، داده کاوی، قوانین انجمنی، پیش بینی خشکسالی ، استان خوزستان.
- Abstract
- Abstract: Drought is a natural phenomenon that start slowly and spread equanimity and trace severity on all human activities therefore perfect recognition and allpuppose and sound monitoring it can obtain suitable tool to opposition with it and decrease damaging effects. The main objective of this study is to improve drought monitoring by finding associations between drought and several oceanic and climatic parameters in different manner with statistical correlation. This study use from association rules Data mining techniques to finding this associations at Khozestan province Abadan station. Data mining is a new technology that by extracting information from massive data archives and searching hidden patterns for target data sets such as drought episodes is profitable. The drought episides were identified based on the climatic drought indices i.e., the SPI (Standardized Precipitation Index) and associations between drought episodes and atmospheric and oceanic indices that is inclusive indices of Southern Oscillation Index (SOI), Pacific/North American (PNA) Index, Multivariate ENSO Index (MEI), Pacific Decadal Oscillation (PDO) Index and North Atlantic Oscillation (NAO) were studied. Results is shows that dominant chosen patterns type at drought occurrences for different time lags at this station is similar to other, and drought occurrences with maximum accuracy 74.24% and minimum accuracy 44.86% is forecastable and use of several atmospheric and oceanic parameters is cause increases drought forecasting accuracy. Also some of the atmospheric and oceanic indices separately is more relationships with droughts this station which of this view indices MEI, SOI and PDO is more relationships respectively. Use each of indices separately or synthetical for different time lages is different forecasting accuracies thus for each of combinations get optimum time lage which at it time lage respective combination is set maximum of ill effect's. Therefore rules which is generate with this method can be available methods complement for drought monitoring. Key words: SPI drought index,atmospheric and oceanic indices,data mining, Association Rules,drought forecasting, Khozestan province.
