پویا  اللهویردی پور

پویا اللهویردی پور

مطالب
ترتیب بر اساس: جدیدترینپربازدیدترین

فیلترهای جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۲ مورد از کل ۲ مورد.
۱.

مدل سازی بارش روزانه و ماهانه تبریز با استفاده از مدل های یادگیری جمعی و رگرسیون درخت تصمیم(مقاله علمی وزارت علوم)

کلیدواژه‌ها: بارش جنگل تصادفی درختان اضافی یادگیری جمعی شبکه های عصبی مصنوعی

حوزه‌های تخصصی:
تعداد بازدید : ۲۰۴ تعداد دانلود : ۱۷۲
بارش یکی از مهم ترین مولفه های هیدرولوژی و هواشناسی است که پیش بینی مقادیر آن در زمینه های مختلفی همچون کشاورزی، شرب، صنعت، بهداشت، اقلیم و محیط زیست از اهمیت ویژه ای برخوردار است. با توجه به اینکه وقوع، نوع و میزان بارش به عوامل بسیار زیادی بستگی دارد، مدل سازی و پیش بینی مقدار بارش همواره دارای پیچیدگی ها و چالش های فراوان بوده است. در این پژوهش از داده های پارامترهای هواشناسی ایستگاه همدیدی تبریز شامل دماهای کمینه، بیشینه و میانگین، رطوبت نسبی میانگین، فشار هوای میانگین، سرعت باد بیشینه و بارش در مقیاس های زمانی روزانه و ماهانه در یک دوره 35 ساله (2020-1986) استفاده شد. از روش های یادگیری ماشین و یادگیری جمعی شامل شبکه عصبی مصنوعی پرسپترون چندلایه (MLP)، جنگل تصادفی (RF)، آدابوست (AB)، تقویت گرادیان (GB)، درختان اضافی (ET) و مدل رگرسیون درخت تصمیم (DTR) برای مدل سازی بارش استفاده شد. بدین منظور 70 درصد از داده ها برای آموزش و 30 درصد از داده ها نیز برای آزمون مدل ها در نظر گرفته شدند. برای ارزیای مدل های مورد استفاده، از معیارهای آماری ضریب همبستگی (R)، جذر میانگین مربعات خطاها (RMSE)، میانگین خطای مطلق (MAE) و کلینگ گوپتا (KGE) استفاده شد. مطابق نتایج این تحقیق در مقیاس روزانه مدل MLP با 993/0R=، 184/0RMSE= میلی متر، 184/0MAE= میلی متر و 82/0KGE= و مدل ET با 986/0R=، 324/0RMSE= میلی متر، 324/0MAE= میلی متر و 75/0KGE= و در مقیاس ماهانه به ترتیب مدل MLP با 999/0R=، 153/0RMSE= میلی متر، 222/0MAE= میلی متر و 88/0KGE= و مدل ET با 981/0R=، 266/0RMSE= میلی متر، 197/0MAE= میلی متر و 71/0KGE= از بیشترین دقت و کمترین خطا برخوردارند. به طورکلی نتایج این پژوهش نشان دهنده عملکرد بسیار مناسب مدل های یادگیری ماشین و یادگیری جمعی در مدل سازی بارش در هر دو مقیاس زمانی روزانه و ماهانه است.
۲.

بررسی سرعت و جهت باد بیشینه در ایستگاه های همدیدی شرق دریاچه ارومیه(مقاله علمی وزارت علوم)

کلیدواژه‌ها: تحلیل سرعت و جهت باد شاخص من-کندال و شیب سن مخاطرات جوی تاثیرات محیطی دریاچه ارومیه تانسیل انرژی باد

حوزه‌های تخصصی:
تعداد بازدید : ۱۱۶ تعداد دانلود : ۴۸
با توجه به اهمیت باد از دیدگاه مخاطرات و پتانسیل های آن، بررسی این موضوع موردتوجه محققان کشورهای مختلف است. استان آذربایجان شرقی در شرق دریاچه ارومیه و یکی از مناطق بادخیز کشور قرار دارد و به علت هم جواری با بستر نمکی حاصل از خشک شدن دریاچه ارومیه، در معرض مخاطرات زیست محیطی و بهداشتی است. در این تحقیق سرعت، روند تغییرات و جهت باد بیشینه 16 ایستگاه همدیدی واقع در شرق دریاچه ارومیه در دوره 1401-1394 بررسی شد. برای تعیین روند تغییرات سرعت باد از آزمون ناپارامتری من- کندال و تخمین گر شیب سن و برای بررسی جهت باد از نمودار گلباد استفاده شد. مطابق نتایج، تغییرات سرعت باد بیشینه فقط در دو ایستگاه شبستر و سهند به ترتیب با شیب 089/0+ و 070/0+ روند افزایشی معنی دار و در ایستگاه های تبریز، ملکان و مراغه به ترتیب با شیب 058/0، 037/0- و 092/0- روند کاهشی معنی دار داشت و در ایستگاه های کلیبر، میانه، جلفا، بستان آباد، بناب و سراب بدون روند بود. مطابق نمودارهای گلباد، در اکثر ایستگاه ها جهت باد غالب از سمت غرب و جنوب غربی است که این موضوع می تواند در آینده موجب افزایش بیماری های تنفسی در اثر طوفان های نمکی برخاسته از بستر خشک دریاچه ارومیه در استان های شرقی آن شود. به طورکلی علت این امر می تواند مرتبط با گرادیان فشار با توجه به توپوگرافی و وجود ارتفاعات کوه سهند در منطقه، اصطکاک سطحی با توجه به مشخصات جغرافیایی، کاربری اراضی و وجود ساختمان ها در مناطق شهری و دیگر عوامل جغرافیایی مرتبط با این مسئله باشد. فراوانی بادهای شدید در همه ایستگاه ها زیاد بوده و بیش از %50 از بادهای بیشینه در همه ایستگاه ها سرعتی بیش از m/s 11/11 دارند. اگرچه نتایج این تحقیق لزوم توجه به آسیب پذیری مناطق شرقی دریاچه ارومیه از نظر مخاطرات محیطی را نشان می دهد، ولی از دیدگاه انرژی، نشانگر پتانسیل مناسب این منطقه برای تولید انرژی بادی است.

کلیدواژه‌های مرتبط

پدیدآورندگان همکار

تبلیغات

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان