ارزیابی الگوهای رگرسیونی برازنده بر برخی ویژگی‌های بارش‌های فرین بالا و فراگیر ناحیه خزری

واکاوی فرین‌های آب و هوایی به دلیل پیامدهای اقتصادی، اجتماعی و خسارات مالی حاصل از آن‌ها، در معرض توجه بسیاری از اقلیم‌شناسان و نیز دانشمندان علوم محیطی و حتی علوم انسانی- اجتماعی بوده است. یکی از مراحل واکاوی فرین‌های آب و هوایی، الگوسازی آماری این نوع رویدادهاست. یکی از ساده‌ترین الگوهای برازنده ب...

Full description

Bibliographic Details
Main Authors: حسین عساکره, لیلا حسینجانی
Format: Article
Language:English
Published: Ferdowsi University of Mashhad 2019-03-01
Series:جغرافیا و مخاطرات محیطی
Subjects:
Online Access:https://geoeh.um.ac.ir/article_33211_9eafcaa37ee61f41a7522b690ad33c55.pdf
Description
Summary:واکاوی فرین‌های آب و هوایی به دلیل پیامدهای اقتصادی، اجتماعی و خسارات مالی حاصل از آن‌ها، در معرض توجه بسیاری از اقلیم‌شناسان و نیز دانشمندان علوم محیطی و حتی علوم انسانی- اجتماعی بوده است. یکی از مراحل واکاوی فرین‌های آب و هوایی، الگوسازی آماری این نوع رویدادهاست. یکی از ساده‌ترین الگوهای برازنده بر مشخصات فرین‌های آب ‌و هوایی، الگوهای رگرسیونی است. در مطالعۀ حاضر تمامی مدل‌های رگرسیونی در دسترس بر فراوانی و متوسط شدت بارش فرین بالا و فراگیر داده­های شبکه­ای حاصل از میانیابی 385 ایستگاه ناحیۀ خزری طی 51 سال (2016-1966) در معرض توجه قرار گرفت. برای دستیابی به اهداف این پژوهش آستانه­های صدک 95-90، 99-95 برای بارش شدید و آستانه صدک 99 و بیشتر برای بارش فرین در نظر گرفته شد. انواع الگوهای رگرسیونی الگوهای خطی و غیرخطی شامل 35 مدل اصلی بر هریک از سری داده‌ها برازش داده شد. ملاک ارزیابی الگوهای برازش یافته بر شدت و فراوانی بارش‌های فراگیر شدید و فرین ناحیه خزری نمایه‌های ضریب تعیین( ) میانگین مربعات خطا ( ) و خطای استاندارد مدل (SE) بوده است. نتایج نشان داد که الگوهای رگرسیونی توانایی توجیه روند تغییرات بارش‌های فرین را نداشته‌اند؛ بنابراین دو گروه روش‌های ارزیابی دیگر، شامل تحلیل مشاهدات بر مبنای دانش احتمال و فرایند تصادفی و نیز مطالعه مشاهدات از طریق روش‌های مبتنی بر هوش مصنوعی را می‌توان برای مطالعۀ این قبیل مشاهدات توصیه نمود.
ISSN:2322-1682
2383-3076