پاورپوینت شناخت و بررسی کارایی مدل آماری ریزمقیاس نمایی (pptx) 17 اسلاید
دسته بندی : پاورپوینت
نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید: 17 اسلاید
قسمتی از متن PowerPoint (.pptx) :
بسم الله الرحمن الرحیم
شناخت و بررسی کارایی مدل آماری ریزمقیاس نمایی LARS WG
مقدمه
به استناد مطالعات انجام گرفته مدلهای سهبعدي گردش عمومي اتمسفر-اقیانوس AOGCM که بر پایه قوانین فیزیکی استوار می باشند از معتبر ترین ابزار براي توليد سناريوي اقليمی در دورههای آتی می باشند. تا کنون مدل های گردش عمومی مختلفی در مراکز گوناگون تحقیقاتی تدوین و طراحی شده است که از آن جمله می توان به مدل های
HadCM3,ECHO-G,HADGEM و ... اشاره نمود. با تدوين سناريو هاي انتشار گاز هاي گلخانه اي توسط IPCC، مدل هاي گردش عمومي جو با فرضيات مختلف انتشار مانندB2, B1, A2 , A1 و ... اجراء شده اند.
خروجي مدل هاي گردش عمومي جو به دو روش آماري و ديناميكي ريز مقياس مي گردند.
ريز مقياس نمايي ديناميكي مانند :
RegCM3, MM5 و PRECIS.
انواع مدل هاي ريز مقياس نمايي آماري عبارتند از:
SDSM, CLIGEN, LARS-WG, USCLIMATE, GEM, MET& Rol and etc.
خلاصه مقایسه ای خصوصیات روش های ریز مقیاس نمایی
روش آماری كه دو وجه تمایز عمده با روش دینامیكی دارد: 1. نیازمند رفتار مشاهداتی (گذشته) ایستگاه مورد مطالعه است 2. دوم اینكه مدل سازی در یك دوره حدود دو تا سه دهه در كسری از ثانیه انجام می شود. مدل سازی های آماری خود به طیف گسترده ای از قبیل روش های رگرسیون معمولی، شبكه عصبی، الگوریتم ژنتیك، SVD و ... تقسیم می شوند. در ادامه به معرفی مدل LARS-WG5.5 می پردازیم.
نسخه اولیه این مدل توسط راسكو و همکاران (1991) در بوداپست مجارستان به عنوان بخشی از پروژه ریسکهای کشاورزی ابداع شد و سپس توسط زمنف و بارو ارتقاء یافت.
این مدل اولین بار در ایستگاه تحقیقاتی Long Ashton توسعه یافت لذا نام مدل خلاصه عبارت :
Long Ashton Research Station Weather Generator
می باشد. اين مدل هم اكنون بطور گسترده اي در كشور انگليس مورد استفاده قرارمي گيرد.
مدل های مولد مصنوعي داده های آب و هوایی براي دو هدف عمده توسعه يافته اند: 1- تهیه ميانگين سري هاي زماني داده هاي مصنوعي شبيه سازي شده با مشخصات آماري مطابق با آمارديدباني شده در يك ایستگاه. 2- فراهم كردن ميانگين هاي طولاني مدت سري هاي زماني پارامتر های هواشناسی برای ایستگاههایی که دارای داده های گمشده بوده یا اینکه امکان دیده بانی در آنجا وجود نداشته باشد.
خلاصه اي از فرآيند مدل در این مدل فرايند توليد داده هاي مصنوعي آب و هوايي در سه بخش انجام می گیرد: 1.كاليبره كردن مدل-SITE ANALYSIS– در این بخش داده هاي آب و هوايي ديدباني شده جهت تعيين خصوصيات آماري شان تحليل مي شوند. اين اطلاعات در دو فايل مجزا ذخيره مي شوند. 2.صحت سنجي مدل-Qtest– در این قسمت خصوصيات آماري داده هاي ديدباني و مصنوعي توليد شده توسط مدل جهت تعيين اينكه آيا تفاوت هاي آماري قابل توجهي بین این دو گروه از داده ها وجود دارد يا نه، مورد تجزیه و تحلیل قرار می گیرد. 3. -Generator-در اینجا داده هاي آب و هوايی مصنوعي با استفاده از فايل هاي بدست آمده از داده هاي آب و هوايي دوره ديدباني شده تولید می شوند که دارای خصوصيات آماري مشابه با دوره دیدبانی می باشد.
اجرای مدل همانطور كه در شكل زیر دیده می شود، مدل LARS-WG5.5 از سه بخش اصلی Analysis ، Generator و Option تشكیل شده است. اجرای مدل همانطور كه در شكل زیر دیده می شود، مدل LARS-WG5.5 از سه بخش اصلی Analysis ، Generator و Option تشكیل شده است. شكل 1. ساختار كلی مدل LARS-WG 5.5