کیومرث روشنگر؛ صادق عبدل زاد
چکیده
مقدمهپیش‌بینی تغییرات بیشینه دما، بسیار مهم است و به‌دلیل تاثیرات زیادی که بر منابع آبی، کشاورزی و محیطی دارد، اهمیت فزاینده‌ای پیدا کرده است. با پیش‌بینی دما، می‌توان از تغییرات آینده آگاه شد و تمهیدات لازم برای تعدیل اثرات منفی آن بر منابع آبی، کشاورزی و محیطی را انجام داد. بنابراین، مدلسازی و پیش‌بینی بیشینه دما می‌تواند، ...
بیشتر
مقدمهپیش‌بینی تغییرات بیشینه دما، بسیار مهم است و به‌دلیل تاثیرات زیادی که بر منابع آبی، کشاورزی و محیطی دارد، اهمیت فزاینده‌ای پیدا کرده است. با پیش‌بینی دما، می‌توان از تغییرات آینده آگاه شد و تمهیدات لازم برای تعدیل اثرات منفی آن بر منابع آبی، کشاورزی و محیطی را انجام داد. بنابراین، مدلسازی و پیش‌بینی بیشینه دما می‌تواند، به‌عنوان یک ابزار مهم در برنامه‌ریزی و مدیریت منابع طبیعی، اقتصادی و صنعتی مورد استفاده قرار گیرد.مواد و روش‌‌هادر این پژوهش، بیشینه دما با استفاده از روش نوین حافظه طولانی-کوتاه-مدت (LSTM) بر پایه روشهای پیش‌پردازنده تبدیل موجک گسسته (DWT) و تجزیه مد تجربی کامل (CEEMD) در دو اقلیم متفاوت (مرطوب و نیمهخشک) مدلسازی شد. برای این منظور، از داده‌‌‌‌‌های دمای بیشینه، دمای کمینه، بارش و تابش خورشیدی به‌صورت روزانه مربوط به دوره 2001 تا 2020 ایستگاه‌های سینوپیک واقع در سیاه‌بیشه شهرستان آمل در استان مازندران و فرودگاه شهرستان ارومیه در استان آذربایجان غربی، استفاده شد. مشخص شد که در منطقه نیمهخشک، پارامترهای دمای بیشینه و کمینه دو روز قبل و دمای بیشینه و کمینه یک روز قبل و دمای کمینه و تابش خورشیدی همان روز و در منطقه مرطوب، پارامترهای دمای بیشینه دو روز قبل و دمای بیشینه و کمینه یک روز قبل و دمای کمینه و تابش خورشیدی همان روز، به‌عنوان مدل برتر شناخته شده است.نتایج و بحثنتایج حاصل از تحلیل مدل‌ها، قابلیت و کارایی بالای روش به‌کار رفته در تخمین بیشینه دما را به خوبی نشان داد. از طرف دیگر، روشهای پیش‌پردازنده باعث بهبود نتایج شدند. در بررسی‌های صورت گرفته مشاهده شد که نتایج حاصل از تجزیه بر اساس تبدیل موجک، منجر به نتایج بهتری می‌شود، به‌طوری که معیار ارزیابی DC برای مدل برتر در منطقه نیمهخشک شهرستان ارومیه، از 0.965 به 0.993 و در منطقه مرطوب شهرستان آمل از 0.926 به 0.970، افزایش یافت و معیار RMSE در فرودگاه ارومیه از 1.943 به0.896 و در سیاه‌بیشه از 2.595 به 1.648، کاهش یافته است.نتیجه‌گیرینتایج بررسی نشان از افزایش معیار ارزیابی DC و کاهش RMSE برای ایستگاه سینوپتیک فرودگاه ارومیه به‌ترتیب 2.74 و 53.87 درصد و برای ایستگاه سینوپتیک سیاه‌بیشه آمل به‌ترتیب 4.80 و 35.50 درصد شد. این نتایج نشان می‌‌دهد، تبدیل موجک بیشترین تاثیر را در بهبود عملکرد مدل LSTM دارد و مدل‌های منتخب، قابلیت و کارایی بالایی در تخمین میزان دمای بیشینه را دارند. با توجه به نتایج تحلیل حساسیت مشخص شد، پارامتر دمای یک روز قبل، تاثیرگذارترین پارامتر در تخمین بیشینه دمای روزانه برای دو منطقه با اقلیم متفاوت مرطوب و نیمهخشک است.
