معرفي روش شبكه عصبي مصنوعي و SDSM بمنظور كوچك مقياس كردن آماري داده هاي دما و بارندگي

معرفي روش شبكه عصبي مصنوعي و SDSM بمنظور كوچك مقياس كردن آماري داده هاي دما و بارندگي

برای بررسی تاثیر تغییر اقلیم بر سیستمهای مختلف مانند منابع آب در دورههای آتی، در ابتدا می بایست متغیرهای اقلیمی تحت تاثیرتغییرات گازهای گلخانه ای شبیه سازی شوند. روشهای مختلفی برای شبیه سازی متغیرهای اقلیمی در دورههای آتی تحت تاثیر تغییراقلیم وجود دارد كه معتبرترین آن ها استفاده از دادههای مدل گردش عمومی جو یاGeneral Circulation Model) GCM) میباشد. مدلهای GCM تنها قادر به شبیه سازی این داده ها در سطوح بزرگ (حدود 50000 كیلومتر مربع) هستند. لذا جهت استفاده از این داده ها لازم است تا داده های GCM توسط تكنیك های مختلف در سطوح ایستگاهی كوچك مقیاس گردد. روشهای مختلفی برای كوچك مقیاس كردن وجود دارد كه مناسبتربن آنها - بخصوص در كشور ایران - استفاده از روشهای آماری است. در این مقاله گامهای مختلف مورد نیاز برای كوچك مقیاس كردن آماری با استفاده از روشهای شبكه عصبی مصنوعی (Artificial Neural Networks,ANN) و (Statistical DownScaling Model) SDSM ارائه میگردد.