چکیده مقاله
یکی از روشهای پیش بینی تغییرات اقلیمی استفاده از خروجی های مدل جهانی اقلیم GCM Climate models global می باشد اما بدلیل بزرگ بودن شبکه های مدل GCMا ین مدلها درمطالعات محلی و منطقه ای کارامد نیستند اخیرا برای بهبود خروجی های GCM در مقیاس منطقه ای روش ریز مقیاس نمایی آماری مورد استفاده قرارگرفته است یکی از مهمترین مراحل انجام روش ریزمقیاس نمایی آماری انتخاب متغیرهای مستقلی است که در مدل نهایی از انها استفاده م یشود به این متغیرها ی مستقل انتخاب شده متغیرهای غالب گفته می شود برای انتخاب متغیرهای غالب می توان از تجربه و دانش محلی و یا ازروشهای آماری مانند همبستگی جزیی رگرسیون گام به گام و روش انالیز مولفه های اصلی PCA استفاده کرد به دلیل برخی از اشکالات روشهای مذکور دراین تحقیق از روش الگوریتم ژنتیک برای انتخاب متغیرهای غالب بصورت ماهانه و سالانه در ایستگاه همدیدی کرمان 2000 1961 استفاده و نتایجاین دو روش با یکدیگر مقایسه گردیده است
کلیدواژهها
نویسندگان
نسیم زینتی
دانشجوی ارشد مهندسی اب
مسعودرضا حسامی کرمانی
استادیار گروه مهندسی عمران دانشگاه شهید باهنر کرمان
مهسا ثبات
دانشجوی ارشد سازه های هیدرولیکی
شیوه ارجاع
�ینتی، نسیم و حسامی کرمانی، مسعودرضا و ثبات، مهسا،1389،به دست اوردن پارامترهای غالب ماهانه و سالانه CGCM3 با استفادها ز الگوریتم ژنتیک،سومین همایش ملی مدیریت شبکه های آبیاری و زهکشی،اهواز
ارائهشده در
مجموعه مقالات سومین همایش ملی مدیریت شبکه های آبیاری و زهکشی1 اسفند 1389 · اهواز