تحلیل و ارزیابی پیش بینی آثار تغییر اقلیم با استفاده از مدل آماری ARIMA در مقایسه با مدل گردش عمومی اتمسفر – اقیانوسی GFDL CM1.2

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 تحلیل و ارزیابی پیش بینی آثار تغییر اقلیم با استفاده از مدل آماری ARIMA در مقایسه با مدل گردش عمومی اتمسفر – اقیانوسی GFDL CM1.2 دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد تحلیل و ارزیابی پیش بینی آثار تغییر اقلیم با استفاده از مدل آماری ARIMA در مقایسه با مدل گردش عمومی اتمسفر – اقیانوسی GFDL CM1.2  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی تحلیل و ارزیابی پیش بینی آثار تغییر اقلیم با استفاده از مدل آماری ARIMA در مقایسه با مدل گردش عمومی اتمسفر – اقیانوسی GFDL CM1.2،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن تحلیل و ارزیابی پیش بینی آثار تغییر اقلیم با استفاده از مدل آماری ARIMA در مقایسه با مدل گردش عمومی اتمسفر – اقیانوسی GFDL CM1.2 :

تعداد صفحات :۱۷

چکیده مقاله:

اقلیم عبارت است از متوسط شرایط آب و هوایی یک ناحیه و تغییر اقلیم، تغییر معنی دار آماری در متوسط وضع هوا یا در تغییرپذیری آن است که در یک دوره طولانی ادامه داشته باشد. با تغییر متغیرهای اقلیمی، دیگر سیستم های متأثر از این متغیرها نظیر منابع آب، کشاورزی، محیط زیست، بهداشت و اقتصاد نیز تغییر خواهند کرد. با توجه به اهمیت غیرقابل انکار پدیده تغییر اقلیم، نیاز به ابزاری که بتواند با سرعت و دقت مطلوب به بررسی آثار این پدیده بپردازد بسیار حائز اهمیت است. در این پژوهش به منظور بررسی آثار پدیده تغییر اقلیم بر پارامترهای دما و بارش در حوضه طالقان، مدل آماری ARIMA با مدل گردش عمومی اتمسفر – اقیانوسی GFDL CM1.2 مورد تحلیل و ارزیابی قرار گرفت. در یک جمع بندی کلی نتایج نشان می دهد که در بررسی آثار تغییر اقلیم در حوضه مورد مطالعه، گرچه مدل GFDL CM1.2 از نظر معیارهای اعتبارسنجی R و MAE عملکرد بهتری داشته و در پیش بینی دما روندی تقریباً مشابه با روند داده های مشاهداتی از خود نشان داده است با این حال فاصله نتایج به دست آمده با آمار مشاهداتی قابل تأمل است؛ در مقابل به نظر می رسد مدل آماری ARIMA از نظر مطابقت و نزدیکی مقادیر پیش بینی شده به روند کلی آمار مشاهداتی، عملکرد مطلوب تری را از خود نشان داده است.