پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,504 |
| تعداد مشاهده مقاله | 124,122,741 |
| تعداد دریافت فایل اصل مقاله | 97,230,925 |
مدل‌سازی تغییرات سطح لحظه‌ای آب دریای خزر با استفاده از مشاهدات ارتفاع‌سنجی ماهواره‌ای | ||
| فیزیک زمین و فضا | ||
| مقاله 11، دوره 41، شماره 2، مرداد 1394، صفحه 281-299 اصل مقاله (1.72 M) | ||
| شناسه دیجیتال (DOI): 10.22059/jesphys.2015.53331 | ||
| نویسندگان | ||
| عبدالرضا صفری1؛ سیمین کلانتریون* 2؛ هادی امین3 | ||
| 1دانشیار، گروه مهندسی نقشه‌برداری، پردیس دانشکده‌های فنی دانشگاه تهران، ایران | ||
| 2دانشجوی کارشناسی‌ارشد ژئودزی(هیدروگرافی)، گروه مهندسی نقشه‌برداری، پردیس دانشکده‌های فنی دانشگاه تهران، ایران | ||
| 3دانش‌آموختة کارشناسی‌ارشد ژئودزی، گروه مهندسی نقشه‌برداری، پردیس دانشکده‌های فنی دانشگاه تهران، ایران | ||
| چکیده | ||
| پیش‌بینی تراز آب دریا در صنایع کشتیرانی، تأسیسات نیرو در مناطق دریایی و بنادر، صنعت شیلات، شهرسازی بنادر، همچنین در علوم مختلف دریایی و اقیانوس‌شناسی اهمیت ویژه‌ای دارد. روش‌های متعددی از قبیل روش‌های تجربی، مدل‌های عددی و محاسباتی برای مطالعۀ پیش‌بینی امواج دریا توسعه یافته است. یکی از این روش‌های مطالعاتی، روش سری‌های زمانی است. در این راستا مدل‌های مختلفی ارائه شده‌اند که از آن جمله می‌توان به مدل‌های سری زمانی ARMA،MA و AR اشاره کرد. در تحقیق حاضر، از مدل‌های مختلف سری زمانی همراه با روش‌های آنالیز طیفی فوریه برای یافتن فرکانس موجود در سری زمانی و روش کمترین مربعات با تکیه بر مفهوم ایستایی سری زمانی به‌منظور دستیابی به فرکانس دقیق‌تر استفاده و امکان افزایش دقت نسبی برآورد و پیش‌بینی تراز آب دریا در بازه زمانی بیشتر مطالعه شد. با توجه به نتایج به‌دست آمده از به‌کارگیری داده‌های ماهوارۀ ارتفاع‌سنجی Jason-2 در بازۀ زمانی 2008 تا 2012 در برآورد و تخمین مقادیر سری زمانی ارتفاع لحظه‌ای آب دریای خزر در بازه زمانی بلندمدت با استفاده از مدل‌های مختلف، همچنین کمترین مقدار محک آکائیک AIC، BIC و بیزی شوارتز SBC، مدل سری زمانی AR(6) کارآیی بهتری نسبت به مدل‌هایMA(q) و ARMA(p,q) داشت و روند تغییرات سری زمانی را با خطای کمتری پیش‌بینی می‌کند. با توجه به تحلیل آماری نتایج حاصل از تخمین مقادیر ارتفاع لحظه‌ای آب دریا، مقدار میانگین مطلق خطا برابر 8/3 میلی‌متر و مجذور میانگین مربعات خطا برابر 43/1 سانتی‌متر در روز به‌دست آمد. | ||
| کلیدواژه‌ها | ||
| روش سری‌های زمانی؛ ماهوارۀ ارتفاع‌سنجی Jason-2؛ محک آکائیک AIC؛ محک BIC؛ ملاک بیزی شوارتز SBC | ||
| مراجع | ||
|
جعفری، ع.، 1385، بررسی روند تغییرات سطح آب دریای خزر با استفاده از مشاهدات ارتفاع‌سنجی ماهواره‌ای و تایدگیج‌های ساحلی، رساله کارشناسی ارشد، دانشکده فنی دانشگاه تهران.
رجبی، س.، چگینی، و.، لاری، ک.، کامران زاد، ب.، طالب حسینی.، 1392، مدل‌سازی عددی امواج ناشی از باد در منطقه انزلی با استفاده از مدل عددی SWAN، نشریه علمی-پژوهشی اقیانوس‌شناسی.
ریاضی، ر.، ۱۳۷۸، پیش‌بینی امواج در آب‌های کم عمق ساحل خزر، پایان نامه کارشناسی ارشد فیزیک دریا، دانشگاه تربیت مدرس.
زمانی، ا.، عظیمیان، ا.، 1383، پیش‌بینی ارتفاع امواج دریای خزر با استفاده از شبکه مصنوعی عصبی، دانشگاه صنعتی اصفهان، نهمین کنفرانس دینامیک شاره‌ها.
شجاعی کیاده، ح.، 1383، ادغام اطلاعات سنجنده‌های ماهواره‌ای مختلف و اطلاعات ژئوفیزیکی به‌منظور دستیابی به سطح لحظه‌ای آب دریا، رساله کارشناسی ارشد، دانشکده فنی دانشگاه تهران.
فلاح، ع، ع.، کرمی خانیکی، ع.، آزرمسا، س. ع.، ١٣٨٣، ارزیابی مدل‌های ریاضی WAM و MIKE ٢١ در شبیه‌سازی امواج دریای خزر، مجله آبخیز، شماره 3 (دی)، ص ۳۰‐۲۴.
طوریان، م، 1385، مدل‌سازی جزرومد دریای عمان و خلیج فارس با استفاده از مشاهدات ارتفاع‌سنجی ماهواره‌ای و مشاهدات تایدگیج‌های ساحلی، رساله کارشناسی ارشد، دانشکده فنی دانشگاه تهران. محجوبی، ج.، اردلان صمغی، ح.، 1388، پیش‌بینی پارامترهای امواج ناشی از باد در دریای خزر با استفاده از روش درختان تصمیم رگرسیونی و شبکه‌های عصبی مصنوعی، نشریه مهندسی دریا، سال پنجم، شماره 9.
نیرومند، ح.، 1371، تجزیه و تحلیل سری‌های زمانی، تألیف: جاناتان دی کرایر، مشهد؛ دانشگاه فردوسی مشهد.
نیرومند، ح.، بزرگ نیا، ا.،1381 ، مقدمه‌ای بر تحلیل سری‌های زمانی، انتشارات دانشگاه فردوسی مشهد.
Akaike,H.,1973, Information theory and an extension of the maximum likelihood principle, proc.,2nd International Symposium on Information Theory,(Eds. B. N. petrov and F. Csaki),267-281, Akademiai kiado, Budapest.
Akaike, H., 1974a, A new look at the statistical model identification, IEEE Transactions on Automatic Control, AC-19, 716-723.
Akaike, H., 1978, A Bayesian analysis of the minimum AIC procedure, Ann.Inst. Statist. Math., 30 A, 9-14.
Akaike, H., 1979, A Bayesian analysis of the minimum AIC procedure of autoregressive model fitting, Biometrika, 66, 237-242.
Anzenhofer, M., Shum, C. K., and Rentsh, M., (1999), Coastal altimetry and applications,Department of Civil and Environmental Engineering and Geodetic Science of the Ohio StateUniversity, Columbus Ohio, Report No. 464.
Barbosa, S, M., Silva, M, E., Fernandes, M, J., 2006, Multivariate Autoregressive Modeling of Sea Level Time Series from TOPEX/Poseidon Satellite Altimetry, Nonlin, Processes Geophysics, 13, 177- 184.
Cheng, X., Qi, Y., 2007, Trends of sea level variations in the South China Sea from merged altimetry data, Global and Planetary Change., 57, 371–382.
Lebedev, S.A., Kostianoy, A.G., 2005, Satellite Altimetry of the Caspian Sea, Moscow: Sea, 366 pp., (in Russian).
Marcos, M.., Woppelmann, G., Bosch, W., Savcenko, R., 2007, Decadal sea level trends in the Bay of Biscay from tide gauges, GPS and TOPEX, Journal of Marine, Systems, MARSYS-01435.
Schwartz, G., 1978, Estimating the dimension of a model, ann. Statist. 6, 461-464.
Shibata, R., 1976, Selection of the order of an autoregressive model by Akaike’s information criterion, Biometrika, 63, 117-126. | ||
|
آمار تعداد مشاهده مقاله: 3,302 تعداد دریافت فایل اصل مقاله: 1,920 |
||