Persian
Language
Geographical Research is Published in Persian Fulltext.
دوره 29، شماره 4 - ( 1393 )
جلد 29 شماره 4 صفحات 240-229 |
برگشت به فهرست نسخه ها
نوع مقاله:
موضوع مقاله:
History
دریافت: 1393/2/11 | پذیرش: 1393/9/4 | انتشار: 1393/12/28
دریافت: 1393/2/11 | پذیرش: 1393/9/4 | انتشار: 1393/12/28
How to cite this article
mahavarpour Z. The analyze occurrences daily precipitation probability in Iran and forecast by using Markov chain model. GeoRes 2015; 29 (4) :229-240
URL: http://georesearch.ir/article-1-338-fa.html
URL: http://georesearch.ir/article-1-338-fa.html
ماه آورپور زهرا. احتمال وقوع بارش های روزانه ی ایران و پیش بینی آن با مدل زنجیره ی مارکوف. فصل‌نامه تحقیقات جغرافیایی. 1393; 29 (4) :229-240
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Rights and permissions
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
چکیده (3077 مشاهده)
در این پژوهش، وقوع بارش های ایران بر اساس قوانین احتمال به صورت فرایندهای تصادفی و با استفاده از مدل زنجیره مارکوف واکاوی شد. برای رسیدن به این هدف، از داده های رخداد و رخنداد بارش پایگاه داده اسفزاری به مدت ۴۳ سال (۱/۱/۱۳۴۰ تا ۱۱/۱۰/۱۳۸۳) استفاده شد. این اطلاعات بر روی۷۱۸۷ یاخته و شامل ۱۵۹۹۱ روز است. با استفاده از مدل زنجیره مارکوف مرتبه اول با دو حالت بارش و بی بارش، آرایه فراوانی تشکیل و سپس به روش حداکثر درست نمایی آرایه احتمال انتقال محاسبه شد. انجام آزمون نیکویی برازش، خی- دو پیروی داده ها از مدل انتخاب شده را در سطح بالایی تأیید کرد. با به توان رساندن مکرر این آرایه، احتمال پایا و دوره بازگشت روزانه، حالت های بارش و بدون بارش برآورد شد. بدین ترتیب، دوره بازگشت بارش روزانه حدود 7 روز و دوره بازگشت خشکی حدود یک روز برآورد شد. بنابراین، احتمال وقوع بارش در هر روز ۱۴۴۹/۰ و احتمال عدم وقوع آن ۸۵۵۱/۰ به دست آمد. همچنین، دوره بازگشت بارش با تداوم 1 تا 3 روز برای تمام ماه ها و فصول محاسبه شد. بیشترین احتمال وقوع روز همراه با بارش ۲۷/۰ طی اسفند ماه است. کوتاه ترین دوره بازگشت بارش ها با تداوم 1 و 2 روزه طی ماه های بهمن و اسفند به ترتیب ۷/۳ و ۶/۵ روز است.
واژه‌های کلیدی:
فهرست منابع
1. رضیئی، طیب و دیگران. ( 1382). « پیش بینی شدت، تداوم و فراوانی خشکسالی ها با استفاده از روش های احتمالاتی و سری های زمانی (مطالعه موردی استان سیستان و بلوچستان)»، مجله بیابان، ج۸،ش ۲، ص ۲۹۲ – ۳۱۰ .
2. زارعی، حسن و غلامحسین شاهکار .( ۱۳۸۰). « بررسی احتمال تواتر روزهای بارانی و خشک مناطق خرمدره ارداک و زشک»، سومین سمینار احتمال و فرآیندهای تصادفی، دانشگاه اصفهان، ۷ و ۸ شهریور ماه، ص ۱۴ – ۳۰.
3. طالشی، عبدالله .( 1384 ). مدل سازی بارش های سالانه ایران با استفاده از زنجیره مارکوف، پایان نامه کارشناسی ارشد، استاد راهنما دکتر علی اکبر رسولی دانشکده علوم انسانی و اجتماعی دانشگاه تبریز.
4. عساکره، حسین .( ۱۳۸۷) . « بررسی احتمال تواتر و تداوم روزهای بارانی در شهر تبریز با استفاده از زنجیره مارکوف»، مجله ی منابع آب ایران، ش ۲، پاییز ۱۳۸۷، ص ۱ – ۱۶.
5. فولادمند، حمید رضا .( 13۸۵).« پیش بینی بارندگی روزانه و سالانه و تعداد روزهای بارانی در سال با استفاده از زنجیره مارکوف در یک منطقه نیمه خشک»، مجله علمی پژوهشی، علوم کشاورزی، سال دوازدهم، ش 1، ص 113 – ۱۲۵.
6. ماه آورپور، زهرا .( 1391 ). مدل مارکوفی بارش ایران بر اساس پایگاه داده اسفزاری، پایان نامۀ کارشناسی ارشد، استاد راهنما دکتر سید ابوالفضل مسعودیان، گروه جغرافیای طبیعی، دانشگاه اصفهان.
7. هیگنز، مکنالتی .( 1379 ). مفاهیم احتمال و مدل بندی تصادفی، ترجمه علی مشکانی، انتشارات دانشگاه فردوسی مشهد، چاپ دوم.
8. یوسفی، نصرت الله و دیگران .(۱۳۸۶). « برآورد احتمالات خشکسالی و ترسالی با استفاده از زنجیره مارکوف و توزیع نرمال (مطالعه موردی قزوین)». پژوهش های جغرافیایی، ش ۶۰، ص ۱۲۸ -۱۲۱.
9. Akan, A.Osman and Houghtalen, Robert.J., 2003, Urban Hydrology, Hydraulics, and Storm Water Quality, John Wily & snos.Inc.,U.S.A.
10. Berger, A. & Goossens, C.H.R (1983), Persistence of wet and dry spells at Uccle (Belgium), j.Climatol. 3, 21-34.
11. Box. George E P, Hunter Stuart J. and Hunter William G (2005), Statistics for Experimenters. John Wily & Sons.Inc.,U.S.A.
12. Cao, C [etal] (1993), Time serials of rainfall and Their Stochastic Simulation,Urban Storm drainage. Italy, 25-28Jully 1993, 45-62.
13. Cazacioc, L & Cipu, E.C ( 2004), Evaluation of the transition probabilities for daily precipitation time series using a Markov chain model. Proceedings of The 3-rd International Colloquium. Mathematics in Engineering and Numerical Physics, October (2004)7-9.
14. Garg,V.K, & Singh,J.B (2010), Three – State Markov Chain Approach On the Behavior Of Rainfall. New York Science Journal(2008),3(12).76-81.
15. Gasm .A .M (1987), An Application of Markov chain Model For Wet and Dry Spell probailites at Juba in Southern Sudan.Geo journal 15.4 ,420-424 Geographical. Bulletin,Vol.8.pp.228.
16. Hess, G.D & [etal] (1990), Operational, short-term prediction of rainfall using a cycled Markov chain method. Australian Meteorological Magazine 38:3 september 1990, 201-205.
17. Kalita, S & Sarmah, S .K (1984), On the occurrences of dry and wet sequences in the Brahmaputra valley ,jornal of earth system science.Vol.No.1,March PP.27-36, 1984.
18. Khambete, N.N (1993), use of Markov chain model in Agra-climatic classification for assessment of crop potential, J. of Maharashtra –Agric.universitis, 18:2,174-177.
19. Martin,vide & Gomez J (1999), Regionalization of Peninsular Spain Based on the Length of dry spells. International Journal of Climatology, 19,537-555.
20. Selvaraj, R.S. & Selvis,T (2010), Stochastic Modelling of daily rainfall at ADUTHURAI. International Journal of Advanced Computer and Mathematical Sciences, vol 1, Issue 1, Dec, 2010, pp 52-57.
21. Sperber, K.R. & Hameed, s (1986), Some characteristics of precipitation and dry periods on long Island. Tellus (1986), 38B, 380-384.
ارسال پیام به نویسنده مسئول