پیش بینی فصلی خشکسالی هواشناسی با استفاده از ماشین های بردار پشتیبان

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

 پیش بینی فصلی خشکسالی هواشناسی با استفاده از ماشین های بردار پشتیبان دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد پیش بینی فصلی خشکسالی هواشناسی با استفاده از ماشین های بردار پشتیبان  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 پیش بینی فصلی خشکسالی هواشناسی با استفاده از ماشین های بردار پشتیبان،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن پیش بینی فصلی خشکسالی هواشناسی با استفاده از ماشین های بردار پشتیبان :

نام کنفرانس، همایش یا نشریه : آب و فاضلاب

تعداد صفحات :۱۷

در تحقیقات مختلف، پارامترهای هواشناسی متفاوتی در پیش بینی دوره های کم بارش مورد توجه قرار گرفته اند. در این تحقیق نمایه بارش استاندارد شده (SPI) برای ۶ سناریوی فصل (پاییز، زمستان، بهار، پاییز+ زمستان، زمستان+ بهار و پاییز تا بهار) محاسبه شده و متغیرهای هواشناسی پیش بینی کننده دمای هوا (در سطح ۳۰۰، ۵۰۰، ۷۰۰ و ۸۵۰ میلی بار) و ارتفاع ژئوپتانسیل (در سطح ۳۰۰، ۵۰۰، ۷۰۰ و ۸۵۰ میلی بار) در محدوده طول و عرض جغرافیایی ۰ تا ۶۰ درجه شمالی و ۰ تا ۹۰ درجه شرقی، در سالهای (۱۳۵۴-۱۳۸۶) برای پیش بینی پدیده خشکسالی هواشناسی مورد استفاده قرار گرفت. در این مدل پیش بینی، بازه زمانی پیش بینی کننده بین ماههای اکتبر تا آوریل برای SPI پیش بینی شده در همان بازه زمانی قرار دارد. نمایه بارش استاندارد شده در حوضه های مورد مطالعه (حوضه سدهای طالقان و ماملو) بر اساس بارش متوسط حوضه ها که به روش میانگین معکوس فاصله وزندار محاسبه شده، تخمین زده شده است. یکی از روشهای یادگیری آماری با استفاده از ناظر به نام ماشین بردار پشتیبان (SVM) برای تدوین مدل پیش بینی SPI استفاده شد. با استفاده از تکنیک آماری مبتنی بر آنتروپی مشترک اطلاعات، نقاط موثر بر بارش حوضه سدهای تهران در فصل بهار بیشتر در جنوب، جنوب غربی و شمال غربی کشور و در فصل پائیز، شمال، شمال غربی و جنوب و در زمستان در شمال غربی و غرب کشور تشخیص داده شدند. نتایج مدل SVM در اکثر موارد پیش بینی، دقت مناسب داشت. این روش می تواند در پیش بینی رفتارهای غیرخطی داده های هواشناسی با طول دوره آماری کوتاه مورد استفاده قرار گیرد. این دقت برای دسته بندی SPI فصلهای پاییز و بهار بیشتر از سایر سناریوها است.

کلید واژه: خشکسالی هواشناسی، ماشین بردار پشتیبان، نمایه بارش استاندارد شده، استان تهران