تحلیل رابطه تراز آب دریاچه ارومیه با سیگنال های اقلیمی

محورهای موضوعی : جغرافیای سیاسی

مرتضی بیطاری خالدی ¹ , ابراهیم فتاحی ²

1 - ندارد
2 - ندارد

تاریخ دریافت : 1393/09/04 تاریخ پذیرش : 1393/09/04 تاریخ انتشار : 1392/03/01

کلید واژه: شبکه عصبی مصنوعی, سیگنال های اقلیمیNAO - Nino1+2,

چکیده مقاله :

از جمله مشخصه های مهم هر دریاچه، تراز سطح آب آن است. آگاهی از نحوه نوسانات تراز آب امریموثر در تغییر و بررسی مسایل مرتبط از جمله تغییرات ذخیره آب دریاچه ساخت و ساز های ساحلیو مباحث زیست محیطی است. در این تحقیق به بررسی تاثیر سیگنال های هواشناسی بر نوسان آبدریاچه ارومیه و دبی حوضه آبریز دریاچه ارومیه پرداخته شده است. داده های مورد استفاده در اینتحقیق به علت حجم زیاد در فواصل زمانی سال های 1951 الی 1986 تا سال های 2008 الی 2011 درایستگاه های مختلف متفاوت است. در بررسی حاضر از داده های ماهانه سیگنال های -2NAO+NIN01-SOI-PDO-NP 4NOI+NIN03-Nino4-Nino3-استفاده شده است. تمامیداده های فوق از مرکزNCEPتهیه گردیده. پس از تبیین ارتباط و نوع آن ، مدل پیش بینی با استفاده از شبکه عصبی مصنوعی برای بازه های زمانه همزمان ، سه ماهه و شش ماهه محاسبه شد. نتایج حاصل ازاین مدل مورد ارزیابی و تجزیه و تحلیل قرار گرفت. بررسی مدل های خروجی از نرم افزار شبکه عصبیمصنوعیNeurosolutions6نشان می دهد که در تمامی ایستگاه ها در حالت های زمانی مختلف اعمدبی حوضه آبریز دریاچه ارومیه به ترتیب 1-NINO 3+4-1 NINO3 NINO1+2-3 NINO4-4می باشد و کمترین تاثیر به ترتیب مربوط به 1-NOI -2 NAO SOI -4 PDO -3 5-NPمی باشد.

چکیده انگلیسی:

Among the important characteristics of each lake, its water level. Understanding of how waterlevel fluctuations in an effective change-related issues including water storage changes - byshoreline construction and environmental issues. In this study, the effect of fluctuating lakewater discharge and meteorological signals lake basin are discussed. The data used in thisstudy due to high volume in the interval from 1986 to 2008 and from 1951 to 2011 at differentstations. In this study, monthly data signals NAO - Nino1 +2 - Nino3 Nino4 Nino3.4 NOI-NP- PDO - SOI is used. All the above data were obtained from the NCEP. After explaining therelation and the prediction model using artificial neural networks for the same time interval,three months and six months respectively. The results of this model were evaluated andanalyzed. Model output of the neural network software Neurosolutions6 that all stations in thestate, ranging from the time delay of the quarter and half-year delay of the effective signalswing and lake water flows into the lake basin Order 1-NINO3 2 - NINO 3 +4 3 - NINO1 +24-NINO4 is the least of the order of 1 - NAO 2 - NOI 3 - PDO 4 - SOI 5 - NP is.