پس پردازش

این پژوهش به منظور تعیین روش برتر پس پردازش آماری بر بارش حاصل از اجرای الگوی RegCM4 در شمال غرب انجام گرفت. داده های مورد نیاز اجرای الگوی RegCM4 شامل داده های بازتحلیل وضع جوی (NNRP1)، داده های دمای سطح دریا (SST) و داده های سطح زمین (SURFACE) از مرکز ICTP دریافت شد. به منظور اجرای این الگو، آزمون تعیین طرحوارة همرفت و جداسازی افقی مناسب انجام گرفت که با استناد به آن، طرحوارة Kuo به نسبت دو طرحوارة Grell و Emanuel خطای کمتری را در اجرای الگو سازی بارش منطقه داشت. جداسازی افقی نیز سی کیلومتر انتخاب شد. پس از اجرای الگو، برونداد بارش با استفاده از روش های شبکة پرسپترون چندلایه (MLP) و میانگین متحرک (MA) پس پردازش شد. براساس نتایج، اعمال پس پردازش روی داده های بارش خام سالانة الگو، موجب کاهش میانگین اریبی خطای داده های به دست آمده و رسیدن به رقم 9/8 میلی متر شد؛ در حالی که این آماره برای برونداد خام سالانة الگو 3/124 میلی متر بود. در مقیاس های زمانی فصلی و ماهانه نیز میانگین اریبی خطای بارش شبیه سازی به ترتیب برابر 1/31 و 4/10 میلی متر بود که پس از اعمال پس پردازش به روش های یادشده، این آماره به ترتیب به 3/0- و صفر میلی متر رسیده است. روش برتر پس پردازش نیز در تمام مقاطع زمانی، MA بوده است.

این تحقیق به منظور شبیه سازی بارش و دما با مدل دینامیکی RegCM4 وLARSدر دو حالت با و بدون به کارگیری تکنیک پس پردازش آماری برونداد مستقیم مدل در شمال شرق ایران (خراسان بزرگ) ودوره آماری 2011-1987 در مقطع زمانی سالانه انجام شده است.بر اساس نتایج حاصله، در مدل LARS در منطقه مورد مطالعه، در دوره راستی آزمایی 2013-2007 میانگین اریبی بارش سالانه خام مدل برابر 63/53 میلیمتر و پس پردازش شده 25/11- می باشد. بطور خلاصه در مقیاس زمانی سالانه در 84 درصد ایستگاه های مطالعاتی انجام پس پردازش مؤثر واقع شده و میزان خطای اریبی را در بیشتر ایستگاه ها، بشدت کاسته است. بر اساس نتایج حاصله از مدل RegCM4، در دوره راستی آزمایی 2011-2006 میانگین اریبی بارش سالانه خام مدل RegCM4 برابر 3/85 میلیمتر و پس پردازش شده 04/61 محاسبه شده است.لذا مقادیر خطا در بیشتر ایستگاه ها قبل و بعد از پردازش بسیار بالا و نتایج مدل قابل قبول نیست. بطور خلاصه در مقیاس زمانی سالانه در 75 درصد ایستگاه های مطالعاتی انجام پس پردازش مؤثر واقع شده است. بنابراین قدر مطلق خطای اریبیپس پردازش متوسط بارش سالانه مدل LARS برابر با 6/13 و مدل RegCM4 برابر با 61 می باشد. میانگین اریبی دمای سالانه خام مدل LARS برابر 096/0 درجه سانتیگراد و پس پردازش شده 432/0- است. این در عمل بزرگتر از اریبی بدون پس پردازش شده است، لذا عمل پس پردازش در تمامی ایستگاه ها مؤثر واقع نشده و فقط در 46 درصد ایستگاه ها خوب تعریف می شود.شبیه سازی داده های دمای دومتری در ایستگاه های هواشناسی با استفاده از مدل RegCM4 و نیز اعمال MA کارایی بالایی را نشان داد. میانگین اریبی دمای سالانه خام مدل RegCM4 برابر 78/2- درجه سانتیگراد بود که پس از اعمال پس پردازش به 05/0- کاهش یافت. در تمامی ایستگاه ها دمای سالانه مدل شده با داده های مشاهداتی کمتر از 1/0 درجه سانتیگراد اختلاف دارد. بنابراین در شبیه سازی داده های بارش سالانه مدل LARS تا حتی بهتر از مدل RegCM4 جوابگو می باشد. و در شبیه سازی داده های دمای سالانه مدل دینامیکی RegCM4، واقعیت خیلی بهتری از منطقه نسبت به مدل آماری LARS ، از خود نشان می دهد.

این تحقیق به منظور شبیه سازی بارش با مدل دینامیکی RegCM4 در دو حالت با و بدون به کارگیری تکنیک پس پردازش آماری برونداد مستقیم مدل در شرق و شمال شرق ایران و دوره آماری 2011-1987 در مقاطع زمانی سالانه و فصلی انجام شده است. داده های مورد نیاز اجرای مدل دینامیکی RegCM4 از مرکزICTP دریافت گردید. به منظور اجرای مدل دینامیکی اصلی، آزمون تعیین طرحواره بارش همرفت و میزان تفکیک افقی برای سال 2007 انجام گردید. با استناد به آزمون مذکور طرحواره کو به نسبت دو طرحواره گرل و امانوئل، خطای کمتری را در مدل سازی بارش و دمای سطح زمین داشت. تفکیک افقی نیز 30 کیلومتر انتخاب گردید. پس از اجرای اصلی مدل با طرحواره کو و تفکیک افقی 30 کیلومتر، برونداد بارش و دما با استفاده از مدل میانگین متحرک (MA)پس پردازش گردید. بر اساس نتایج حاصله، در منطقه مورد مطالعه، در دوره راستی آزمایی 2011-2006 میانگین اریبی بارش سالانه خام مدل RegCM4 برابر 3/85 میلیمتر و پس پردازش شده 04/61 محاسبه شده است. بطور خلاصه در مقیاس زمانی سالانه در 75 درصد ایستگاه های مطالعاتی انجام پس پردازش موثر واقع شده و روش MA را کاراتر معرفی نموده اند. در مقیاس فصلی متوسط اریبی بارش خطای محدوده در فصل زمستان برابر 99/54 میلیمتر، فصل بهار 11/27 میلیمتر، فصل تابستان 6/3- و در فصل پاییز 21/7 میلیمتر می باشد. شبیه سازی داده های دمای دومتری در ایستگاه های هواشناسی با استفاده از مدل RegCM و نیز اعمال MA در شمال شرق ایران کارایی بالایی را نشان داد. میانگین اریبی دمای سالانه خام مدل RegCM4 برابر 78/2- درجه سانتیگراد بود که پس از اعمال پس پردازش به 05/0- کاهش یافت. در تمامی ایستگاهها دمای سالانه مدل شده با داده های مشاهداتی کمتر از 1/0 درجه سانتیگراد اختلاف دارد. در مقیاس فصلی متوسط اریبی خطای محدوده در فصل زمستان برابر 1/4- درجه، فصل بهار 09/4- درجه، فصل تابستان 8/1- درجه و در فصل پاییز 5/1- درجه سانتیگراد می باشد. به طور کلی نتایج نشان می دهد که استفاده از پس پردازش آماری بهبود قابل ملاحظه ای روی نتایج مدل دارد.

هدف اصلی استخراج کلمات کلیدی انتخاب مجموعه ای از لغات در متن است که می تواند موضوع اصلی متن را بازگو کند. استخراج کلیدواژگان در بازیابی اطلاعات، سیستم های پیشنهاددهنده متنی و دسته بندی متون، نقش مهم را ایفا می کند. در زبان فارسی باتوجه به پیچیدگی ذاتی زبان فارسی استخراج کلیدواژگان به مراتب دشوارتر شده است. در این پژوهش سعی شده است با رویکرد نوین ترکیبی آماری و یادگیری ماشین به استخراج کلیدواژگان پرداخته شود. ابتدا باتوجه به ساختار زبان فارسی پیش پردازهای لازم برای حذف کلمات و علائم نگارشی صورت می گیرد. سپس با استفاده از سه نوع ویژگی آماری و دسته بند بیز سیستم به صورت خودکار الگوی کلمات کلیدی با کلمات عادی را آموزش می بیند. همچنین پس پردازش کارا برای کم کردن کلمات مثبت کاذب در چارچوب پیشنهادی طراحی شده است. گفتنی است که مدل ساخته شده قادر به شناسایی تعداد حداکثر 20 کلیدواژه در هر پایان نامه است و این کلمات با کلیدواژگان نوشته شده در هر متن مقایسه و ارزیابی می شوند. نتایج ارزیابی های متنوع نشان می دهد روش پیشنهادی با دقت مناسبی توانسته است کلمات کلیدی نوشتارهای فارسی علمی (پایان نامه و رساله) را استخراج کند.