مهدی قمقامی ورکی؛ جواد بذرافشان
چکیده
امروزه مدل های آماری بسیاری برای شبیه سازی سری زمانی گسسته وقوع و عدم وقوع بارش براساس داده های تاریخی وجود دارد که تاکید آن ها بیشتر بر ساخت آماره های اقلیمی است. با این وجود، دقت مدل های شبیه ساز مذکور باید از نقطه نظر لحظه ای یا کوتاه مدت نیز بهبود یابد. در تحقیق حاضر فرض شده است که ساختار وقوع بارش از مدل مارکف پنهان با یک لایه پنهان ...
بیشتر
امروزه مدل های آماری بسیاری برای شبیه سازی سری زمانی گسسته وقوع و عدم وقوع بارش براساس داده های تاریخی وجود دارد که تاکید آن ها بیشتر بر ساخت آماره های اقلیمی است. با این وجود، دقت مدل های شبیه ساز مذکور باید از نقطه نظر لحظه ای یا کوتاه مدت نیز بهبود یابد. در تحقیق حاضر فرض شده است که ساختار وقوع بارش از مدل مارکف پنهان با یک لایه پنهان (سری گسسته وقوع و عدم وقوع) و یک لایه قابل-رویت تبعیت می کند، که به طور موردی در ایستگاه سینوپتیک خرم آباد (دوره آماری 2005-1961) مورد بررسی قرار گرفت. از الگوریتم ویتربی برای حل مساله رمزگشایی سری زمانی توالی حالات تر و خشک استفاده شد. کارکرد پنج متغیر هواشناسی (فشارهوا در ایستگاه، فشار بخار آب، دامنه شبانه روزی دمای هوا، رطوبت نسبی و دمای نقطه شبنم) به عنوان توالی قابل رویت، براساس معیارهای دقت پیش بینی با هدف انتخاب بهترین متغیر در فرآیند رمزگشایی مورد ارزیابی قرار گرفته است. نتایج نشان داد که متغیر دامنه شبانه روزی دمای هوا به عنوان مناسب ترین توالی قابل-رویت برای رمزگشایی سری گسسته خشک و تر ارزیابی میباشد که می تواند به دلیل وجود ارتباط فیزیکی قوی بین آن ها باشد. همچنین خروجی الگوریتم ویتربی از دو نقطه نظر (آماره های اقلیمی و دقت پیش بینی) با خروجی مولدهای هواشناسی ClimGen و LARS-WG مقایسه شده است که دقت پیش بینی الگوریتم مارکف پنهان مبتنی بر تمامی معیارها بسیار بیشتر از دو مولد هواشناسی است. بر این اساس، جایگزینی الگوریتم ارائه شده در تحقیق حاضر با دو رهیافت دیگر، برای تولید توالی دادههای خشک و تر توصیه می گردد.