بكارگيري الگوريتم ويتربي در پيش‌بيني وقوع بارندگي و شبيه‌سازي تداوم‌هاي خشك و تر – مقايسه با روش‌هاي متداول

آب و خاک  

دوره 28 - شماره 5

نوع مقاله: Original Article
چكيده: امروزه مدل هاي آماري بسياري براي شبيه سازي سري زماني گسسته وقوع و عدم وقوع بارش براساس داده هاي تاريخي وجود دارد كه تاكيد آن ها بيشتر بر ساخت آماره هاي اقليمي است. با اين وجود، دقت مدل هاي شبيه ساز مذكور بايد از نقطه نظر لحظه اي يا كوتاه مدت نيز بهبود يابد. در تحقيق حاضر فرض شده است كه ساختار وقوع بارش از مدل ماركف پنهان با يك لايه پنهان (سري گسسته وقوع و عدم وقوع) و يك لايه قابل-رويت تبعيت مي كند، كه به طور موردي در ايستگاه سينوپتيك خرم آباد (دوره آماري ۲۰۰۵-۱۹۶۱) مورد بررسي قرار گرفت. از الگوريتم ويتربي براي حل مساله رمزگشايي سري زماني توالي حالات تر و خشك استفاده شد. كاركرد پنج متغير هواشناسي (فشارهوا در ايستگاه، فشار بخار آب، دامنه شبانه روزي دماي هوا، رطوبت نسبي و دماي نقطه شبنم) به عنوان توالي قابل رويت، براساس معيارهاي دقت پيش بيني با هدف انتخاب بهترين متغير در فرآيند رمزگشايي مورد ارزيابي قرار گرفته است. نتايج نشان داد كه متغير دامنه شبانه روزي دماي هوا به عنوان مناسب ترين توالي قابل-رويت براي رمزگشايي سري گسسته خشك و تر ارزيابي مي‌باشد كه مي تواند به دليل وجود ارتباط فيزيكي قوي بين آن ها باشد. همچنين خروجي الگوريتم ويتربي از دو نقطه نظر (آماره هاي اقليمي و دقت پيش بيني) با خروجي مولدهاي هواشناسي ClimGen و LARS-WG مقايسه شده است كه دقت پيش بيني الگوريتم ماركف پنهان مبتني بر تمامي معيارها بسيار بيشتر از دو مولد هواشناسي است. بر اين اساس، جايگزيني الگوريتم ارائه شده در تحقيق حاضر با دو رهيافت ديگر، براي توليد توالي داده‌هاي خشك و تر توصيه مي گردد.
Application of Viterbi’s Algorithm for Predicting Rainfall Occurrence and Simulating Wet\Dry Spells – Comparison with Common Methods
Article Type: Original Article
Abstract: Today, there arevarious statistical models for the discrete simulation of the rainfall occurrence/nonoccurrence with more emphasizing on long-term climatic statistics. Nevertheless, the accuracy of such models or predictions should be improved in short timescale. In the present paper, it is assumed that the rainfall occurrence/non-occurrence sequences follow a two-layer Hidden Markov Model (HMM) consist of a hidden layer (discrete time series of rainfall occurrence and non-occurrence) and an observable layer (weather variables), which is considered as a case study in Khoramabad station during the period of 1961-2005. The decoding algorithm of Viterbi has been used for simulation of wet/dry sequences. Performance of five weather variables, as the observable variables, including air pressure, vapor pressure, diurnal air temperature, relative humidity and dew point temperature for choosing the best observed variables were evaluated using some measures oferror evaluation. Results showed that the variable of diurnal air temperatureis the best observable variable for decoding process of wet/dry sequences, which detects the strong physical relationship between those variables. Also the Viterbi output was compared with ClimGen and LARS-WG weather generators, in terms of two accuracy measures including similarity of climatic statistics and forecasting skills. Finally, it is concluded that HMM has more skills rather than the other two weather generators in simulation of wet and dry spells. Therefore, we recommend the use of HMM instead of two other approaches for generation of wet and dry sequences.
قیمت : 20,000 ريال