پیش بینی نمایه خشکسالی SPI به روش های رگرسیون بردار پشتیبان و خطی چندگانه
محل انتشار: فصلنامه حفاظت منابع آب و خاک، دوره: 6، شماره: 4
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 164
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WSRCJ-6-4_001
تاریخ نمایه سازی: 4 آبان 1400
چکیده مقاله:
خشکسالی پدیدهای طبیعی است که به علت برهم کنش عوامل مختلف هواشناسی، دارای فرآیند پیچیدهای بوده و در همه شرایط اقلیمی و در تمام مناطق کره زمین به وقوع می پیوندد. لذا پیش بینی نمایه های خشکسالی و ارزیابی زمانی آن ها، یکی از راه های موثر در مدیریت بحران خشکسالی و تدوین طرح هایی به منظور کاهش اثرات آن به نظر می رسد. در پژوهش حاضر، برای پیش بینی نمایه خشکسالی بارش استاندارد شده (SPI) در ایستگاه سینوپتیک تبریز در بازه زمانی سال های ۱۳۵۸ تا ۱۳۹۱، از روش های رگرسیون بردار پشتیبان و رگرسیون خطی چندگانه استفاده گردید. بدین منظور، برای پیش بینی نمایه SPI در دوره های ۳، ۶، ۹، ۱۲، ۲۴ و ۴۸ ماهه از شش ترکیب متفاوت ورودی متشکل از مقادیر متناظر قبلی همان نمایه استفاده گردید. نتایج حاصل از تحلیل پارامترهای آماری نشان داد که هر دو روش مورد مطالعه دقت مناسبی در پیش بینی نمایه های خشکسالی داشته اند ولی با این وجود، روش رگرسیون بردار پشتیبان در پیش بینی نمایه های SPI-۶، SPI-۹ و SPI-۲۴ به ترتیب با داشتن جذر میانگین مربعات خطای ۴۹۸۵/۰، ۴۳۴۰/۰ و ۲۴۲۷/۰ عملکرد بهتری در مقایسه با رگرسیون خطی چندگانه داشته است. ولی در پیش بینی نمایه های SPI-۳، SPI-۱۲ و SPI-۴۸، روش رگرسیون خطی چندگانه خطای نسبی کم تری را نشان داد. با این وجود، می توان چنین نتیجه گیری نمود که هر دو روش مورد مطالعه شامل رگرسیون بردار پشتیبان و خطی چندگانه پیش بینی های مناسبی از نمایه های خشکسالی داشته اند و می توانند برای مدیریت عواقب ناشی از پدیده مذکور، با اطمینان قابل قبولی مورد استفاده قرار گیرند.
کلیدواژه ها:
نویسندگان
سعید صمدیان فرد
عضو هیات علمی دانشگاه تبریز
اسماعیل اسدی
عضو هیات علمی دانشگاه تبریز
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :