برگزاری  جلسه ارائه گزارش نهایی پروژه " امکان سنجی پیش بینی ماهانه بارش کشور به کمک مدلهای همادی آمریکای شمالی "

  مورخه 29 اردیبهشت 1398 در محل پژوهشکده اقلیم شناسی

***************************************************

امکان سنجی پیش بینی ماهانه بارش کشور به کمک مدلهای همادی آمریکای شمالی

سخنران: مرتضی پاکدامن، 29/2/98

 در این طرح ، علاوه بر بررسی میزان مهارت مدلهای همادی آمریکای شمالی در پیش بینی ماهانه بارش کشور، یک روش چند مدلی مبتنی بر شبکه عصبی برای پس پردازش برونداد این مدلها در پیش بینی ماهانه بارش کشور مورد مطالعه قرار میگیرد. برای این منظور، داده های هشت مدل از مجموعه مدلهای همادی آمریکای شمالی دریافت گردید (دوره اقلیمی 13983-2010) و در مقایسه با داده های شبه مشاهداتی مدل PERSIANN-CDR، مهارت هر یک از این مدلها مورد ارزیابی قرار گرفت. سپس با استفاده از مدل شبکه عصبی پرسپترون با یک لایه پنهان، که ورودی آن داده های هر یک از هشت مدل مذکور و خروجی آن میزان بارش تخمینی ماهانه است، عملیات پس پردازش انجام میشود. برای آموزش شبکه عصبی از داده های شبه مشاهداتی PERSIANN-CDR استفاده شد. برای سنجش مهارت هر یک از هشت مدل همادی آمریکای شمالی و نیز بارش تخمینی شبکه عصبی از شاخصهای همبستگی، میانگین خطای مربعات و ضریب نش-ساتکلیف استفاده گردید. نتایج مبین برتری قاطع خروجی شبکه عصبی و تطابق بالای آن با داده های شبه مشاهداتی مدل PERSIANN-CDR در مقایسه با هر یک از هشت مدل انفرادی است. همچنین با کمک روشهای تصمیم گیری چند معیاره، و بر اساس مهارت هر یک از مدلها، برای هر یک از دوازده ماه، تمام نه مدل (شامل هشت مدل همادی آمریکای شمالی و نیز مدل شبکه عصبی) رتبه بندی شده و وزن هر یک از آنها تعیین شدند. طبق این رتبه بندی، مدل شبکه عصبی پیشنهادی در تمام ماههای سال برتری قاطع دارد.

تمامی حقوق این وب سایت متعلق به پژوهشکده اقلیم شناسی (CRI) می باشد.

Search

Main menu