بررسی تاثیر پارامترهای بزرگ مقیاس اقلیمی بر اقلیم غرب ایران با استفاده از تئوری بیزین و الگوریتم درخت تصمیم
نام نخستين پديدآور
/علی سعدلونیا
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: فنی و مهندسی عمران
تاریخ نشرو بخش و غیره
، ۱۳۹۶
نام توليد کننده
، افشاری
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به مندرجات
متن يادداشت
Climate change is one of the most important challenges in the last century which has affected many aspects of human life. Obviously, hydrological and hydro-climatological processes forecasting such as rainfall, temperature, runoff, groundwater level changes, droughts, etc. will provide an appropriate view of the climate in the short and long horizons which considers so essential in the planning of water resources management. No region is considered independent in the case of the climate technically, but the dominant climatic pattern in one region will also affect other areas. Previous studies has shown that the large-scale ocean-atmospheric phenomena play a significant role in the changes of climatic variables in the different regions. In the current study, the decision tree method and Bayesian theory were used to extract the related relationships between two important climate parameters (monthly rainfall and temperature) at several synoptic stations located in the west of Iran like Tabriz, Urmia, Zanjan, Sanandaj, Kermanshah, Khorramabad and Ahwaz as well as the monthly surface temperature data and the surface pressure of the Black Sea, Mediterranean Sea, Red Sea and Persian Gulf. For this purpose, Weka software, which is one of the most popular and efficient software in data mining, has been used and the confusion matrix has been also used for the success evaluation criterion. The results showed that using of the large-scale climate variables and the upper and lower limit values provided better and more reliable results in the case of forecasting and investigating the intense events so that the highest temperature thresholds in the cities of Tabriz, Urmia, Zanjan, Sanandaj, Kermanshah, Khorramabad and Ahvaz were predicted by probabilities of 90. , 93. , 85. , 89. , 94. , 92. and 95
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسی عمران گرایش مهندسی و مدیریت منابع آب
زمان اعطا مدرک
۱۳۹۶/۰۶/۲۸
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
یکی از مهم ترین چالش های قرن اخیر، مسئله تغییر اقلیم میباشد که جنبه های گوناگونی از زندگی انسان ها را تحت تاثیر قرار داده است .بدیهی است که پیشصبینی فرآیندهای هیدرولوژیکی و هیدروکلیماتولوژیکی نظیر پیشصبینی بارش، دما، رواناب، تغییرات سطح آب زیرزمینی، خشکسالی و ... دید مناسبی از وضعیت اقلیم مورد نظر در افق های زمانی کوتاه مدت و بلند مدت به دست خواهد داد که در برنامهصریزیهای کلان مدیریت منابع آب ضروری و دارای اهمیت زیادی میصباشد .هیچ منطقه ای از نظر اقلیمی مستقل نیست، بلکه الگوی اقلیمی غالب در یک منطقه، مناطق دیگر را نیز تحت تاثیر قرار خواهد داد .تحقیقات گذشته هم نشان داده است که پدیده های بزرگ مقیاس اقیانوسی-اتمسفری نقش موثری در تغییرات متغیرهای اقلیمی مناطق مختلف دارد .در این پایان نامه از روش درخت تصمیم و تئوری بیزین جهت استخراج وابستگیهای بین دو پارامتر مهم اقلیمی) یعنی بارش و دمای ماهانه (در چند ایستگاه سینوپتیک واقع در غرب ایران) ایستگاه سینوپتیک های سینوپتیک تبریز، ارومیه، زنجان، سنندج، کرمانشاه، خرم آباد و اهواز (و نیز دادهصهای ماهانه دمای سطح و فشار سطح آب دریاهای سیاه، مدیترانه، سرخ و خلیج فارس استفاده شده است .به این منظور از نرم افزار Weka که از جمله پرکاربردترین و کارآمدترین نرمافزارهای دادهصکاوی میصباشد، استفاده شده است و ماتریس اغتشاش برای معیار ارزیابی موفقیت مورد اسفاده قرار گرفته است .نتایج نشان داد که استفاده از متغیرهای بزرگ مقیاس اقلیمی جهت پیشصبینی و بررسی رخدادهای شدید و حد آستانههای بالا و پایین نتایج به مراتب بهتر و موثق تری ارائه میصدهد به نحوی که بالاترین حد آستانه دمای شهرهای تبریز، ارومیه، زنجان، سنندج، کرمانشاه، خرم آباد و اهواز به ترتیب با احتمالات۹۰ ،۹۳ ،۸۵ ،۸۹ ،۹۴ ، ۹۲ و ۹۵ درصد پیشصبینی شدند .همچنین نتایج حاکی از آن بودند که در مناطق نزدیک به دریاها، اولویت در استفاده از دمای سطح و فشار سطح آب دریاهای پیرامون میباشد
متن يادداشت
Climate change is one of the most important challenges in the last century which has affected many aspects of human life. Obviously, hydrological and hydro-climatological processes forecasting such as rainfall, temperature, runoff, groundwater level changes, droughts, etc. will provide an appropriate view of the climate in the short and long horizons which considers so essential in the planning of water resources management. No region is considered independent in the case of the climate technically, but the dominant climatic pattern in one region will also affect other areas. Previous studies has shown that the large-scale ocean-atmospheric phenomena play a significant role in the changes of climatic variables in the different regions. In the current study, the decision tree method and Bayesian theory were used to extract the related relationships between two important climate parameters (monthly rainfall and temperature) at several synoptic stations located in the west of Iran like Tabriz, Urmia, Zanjan, Sanandaj, Kermanshah, Khorramabad and Ahwaz as well as the monthly surface temperature data and the surface pressure of the Black Sea, Mediterranean Sea, Red Sea and Persian Gulf. For this purpose, Weka software, which is one of the most popular and efficient software in data mining, has been used and the confusion matrix has been also used for the success evaluation criterion. The results showed that using of the large-scale climate variables and the upper and lower limit values provided better and more reliable results in the case of forecasting and investigating the intense events so that the highest temperature thresholds in the cities of Tabriz, Urmia, Zanjan, Sanandaj, Kermanshah, Khorramabad and Ahvaz were predicted by probabilities of 90 , 93 , 85 , 89 , 94 , 92 and 95 , respectively. It was also concluded that the sea surface temperature and the water surface pressure of the surrounding sea were in the priority
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )