ريزمقياس نمايي زماني بارش روزانه با استفاده از روش قطعات

در علم هيدرولوژي براي بسياري از مقاصد شبيه سازي و مطالعاتي نياز به استفاده از اطلاعات بارش در مقياس هاي زماني كمتر از روزانه است. در اين مقاله روش قطعات (Method of Fragments) با اصلاحاتي به منظور تبديل اطلاعات روزانه به اطلاعات 5 دقيقه اي به كار گرفته شده است. ابتدا، يك شبكه عصبي GRNN، با ورودي هاي هواشناسي مانند، دما، فشار، رطوبت، شرايط بارش روز قبل و بارش روزانه براي شبيه سازي برخي ويژگي هاي بارش روز مدنظر شامل حداكثر بارش 5 دقيقه اي، حداكثر بارش 1 ساعته و درصد بازه خشك از روز توسعه داده مي شود. سپس با استفاده از خروجي هاي شبكه عصبي براي هر روز (خروجي هاي معرف بارش هاي ريزمقياس)، مشابه ترين روز تاريخي كه مقادير بارش هاي ريزمقياس آن موجود است، انتخاب مي شود تا براساس روش قطعات، بارش هاي ريزمقياس براي آن روز محاسبه شود. روش پيشنهادي در مطالعه موردي، ايستگاه كلك چال در شهر تهران مورد آزمون قرار مي گيرد. نتايج تحقيق در ماه هاي 3 و 4 ميلادي نشان دهنده بهبود درصد خطاي ميانه حداكثر بارش هاي سالانه در بازه هاي زماني مختلف نسبت به نتايج MOF متداول است و در ماه هاي 5 تا 10 ميلادي نيز درصد خطاي آماره ها در بازه هاي زمان طولاني تر بهبود يافته است.