ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > التنبؤ عن الحالات المطرية في م...>الوصف

التنبؤ عن الحالات المطرية في مدينة الموصل

المصدر: المجلة العراقية للعلوم الإحصائية
الناشر: جامعة الموصل - كلية علوم الحاسوب والرياضيات
المؤلف الرئيسي: الخياط، باسل يونس ذنون (مؤلف)
المؤلف الرئيسي (الإنجليزية): Thanoon, Basel Y.
مؤلفين آخرين: السليمان، مثنى صبحي سليمان (م. مشارك)
المجلد/العدد: ع 23
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2013
الصفحات: 19 - 32
ISSN: 1680-855X
رقم MD: 492013
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
الأمطار | الموصل | التنبؤات الجوية | نموذج ماركوف | نموذج الانحدار الذاتي | الطقس | العراق
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: يتناول البحث مسألة مهمة وهي التنبؤ عن الحالات المطرية اليومية. إن الحالة المطرية اليومية تتنمذج باعتبارها سلسلة ماركوف مؤلفة من أربع حالات هي: انعدام المطر، ومطر خفيف، ومطر معتدل، ومطر غزير. وبعد عرض مسألة التنبؤ بمفهومها العام، تطرح طريقتان للتنبؤ بالحالات المطرية القادمة وذلك بالاعتماد على المعلومات التي تزودنا بها الحالات المشاهدة واقعيا. وتم اقتراح خوارزميتن للتنبؤ، الخوارزمية الأولى تعتمد أساسا على المصفوفة الانتقالية، ويمكن استخدامها لإيجاد المتنبأت ولأية رتبة كانت لسلسلة ماركوف. أما الخوارزمية الثانية، فتعتمد فيها نماذج الانحدار الذاتي. وتم تطبيق الخوارزميتين على السلسلة الزمنية لكمية الأمطار اليومية الساقطة على مدينة الموصل، بعد نمذجتها كسلسلة زمنية مؤلفة من أربع حالات مطرية، تلائم نماذج خطية وغير خطية. وتبين من تطبيق الخوارزميتين أنهما تجهزان بمتنبأت ذوات كفاءة جيدة من ناحية سهولة الاستخدام.

This paper addresses the important problem of prediction of the daily rainfall. The rainfall situation is modeled as a Markov chain of four states: the lack of rain, light rain, moderate rain, and heavy rain. After the presentation of the issue of prediction in general terms, two methods are suggested to predict the next rain situations by relying on the information that the real cases providevo. Two algorithms are suggested for prediction; the first algorithm relies mainly on the matrix of transition, and can be used to find predictors for any order of Markov chain, the second algorithm, the autoregressive models. These algorithms are applied on the time series of daily rain falling on the City of Mosul, after modeling this time series as a Markov chain of four states. Linear and non-linear autoregressive models are fitted. It is clear from the application of these two algorithms that they give reasonable predictors terms of ease of use.
ISSN: 1680-855X

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.