Amir Mohsen
متخصص بخش هواشناسی
بهزاد جان سلام
انجام وظیفه شد و انشاء الله آرش عزیز هم تشریف آوردن موضوع رو مهم میکنند که در صدر پستهای انجمن هواشناسی قرار بگیره:
[h=2]گام به گام تا تحقق بومی سازی تاثیرات شاخصهای دورپیوندی تاثیر گذار بر اقلیم ایران
-
توجه: در صورتی که از کاربران قدیمی ایران انجمن هستید و امکان ورود به سایت را ندارید، میتوانید با آیدی altin_admin@ در تلگرام تماس حاصل نمایید.
مباحث عمومی هواشناسی
- شروع کننده موضوع Amir Mohsen
- تاریخ شروع
- وضعیت
بهزاد جان سلام
انجام وظیفه شد و انشاء الله آرش عزیز هم تشریف آوردن موضوع رو مهم میکنند که در صدر پستهای انجمن هواشناسی قرار بگیره:
[h=2]گام به گام تا تحقق بومی سازی تاثیرات شاخصهای دورپیوندی تاثیر گذار بر اقلیم ایران
Amir Mohsen
متخصص بخش هواشناسی
سلام دوست عزیز
ورودتون رو به اینجا خوشآمد گویی میکنم . آرزوم میکنم که لحظات خوب و بیاد موندنی رو اینجا در کنار هم و با کمک هم سپری کنیم:گل:
اخه ادم 7 ماه سال , گرمای 40 درجه تابستان رو به امید زمستان پر برف سپری می کنه . اول ابان که می شه دائم نقشه بلند مدت رو به امید سرما و بارش خوب چک می کنه ان وفت زمستان اینطور میشه .اخه یکی دو سال نیست .اگه یک سال بود خوب می گفتیم ایراد نداره سال بعد ولی الان از سال 86 به بعد برف خوب نداشتیم . یا برف در حد 3 و4 سانت یا اگر هم بیشتر امده بی موقع بود مثل نیمه ابان 90 و 17 اسفند 91 که تا برف قطع شد همه شروع به اب شدن کردن . سال 86 هم برف تهران انقدر خوب نبود چون سرما زیاد بود مانداگاریش زیاد بود. اخرین برف خوب که یادمه بهمن 83 بود.
Amir Mohsen
متخصص بخش هواشناسی
دوستان در مشهد و قوچان و بجنورد
آپدیت نیروی دریایی برای منطقه ما خیلی خوب بوده و اگه ثابت بمونه بارش خوبی به شکل برف خواهیم داشت.
آپدیت نیروی دریایی برای منطقه ما خیلی خوب بوده و اگه ثابت بمونه بارش خوبی به شکل برف خواهیم داشت.
جی اف اس تا 27 ساعت آینده
مینی عصر یخبندان در راه است؟
دانشمندان هشدار دادند فعالیت خورشید هم‌اکنون در پایین‌ترین سطح خود طی 100 سال گذشته است.به گزارش ایسنا، آن‌ها بر این باورند این موضوع مشابه دوران Maunder Minimum در پیش از 1645 است که در آن، یخبندان موجب یخ‌زدن رود تیمز در لندن شد.محققان معتقدند فعالیت پایین خورشید می‌تواند به احتمال 20 درصد، به «تغییراتی بزرگ» در دما منجر می‌شود.ریچارد هاریسون از «آزمایشگاه اپلتون روترفود» در آکسفوردشایر، گفت: اوج‌های خورشیدی در حال پایین‌آمدن هستند و من طی 30 سال مطالعه در زمینه فیزیک خورشیدی، هرگز چنین پدیده‌ای را مشاهده نکرده بودم.هاریسون معتقد است که این پدیده می‌تواند به زمستان‌های سردتر مشابه زمستان‌های دوران Maunder Minimum بینجامد که به نوعی عصر مینی‌یخبندان بود.سال گذشته، ناسا هشدار داد موضوعی غیرقابل‌منتظره در خورشید در حال رخ‌دادن است.با این حال، دین پسنل، فیزیکدان خورشیدی مرکز پرواز فضایی گودارد ناسا، توضیحی متفاوت را ارائه می‌دهد.وی می‌گوید: دو بیشینه خورشیدی گذشته در سالهای 1989 و 2001 نه دارای یک اوج بلکه دارای دو اوج خورشیدی بودند.وی ادامه داد: در این جا فعالیت خورشیدی به اوج رسید، سپس افت کرد و دوباره اوج گرفت و مینی‌چرخه‌ای را اجرا کرد که حدود دو سال طول کشید. همین موضوع هم‌اکنون در حال رخ‌دادن است، زیرا تعداد لکه‌های خورشیدی در سال 2011 اوج گرفتند و در سال 2012 افت کردند.این دانشمند چرخه خورشیدی 24 و 14 را مشابه دانست که شامل اوج‌های دوقلو در دهه نخست قرن بیستم بودند.دوقلوبودن این چرخه‌ها به معنای وجود یک اوج در سال 2013 و اوج دیگر در سال 2015 است.
دانشمندان هشدار دادند فعالیت خورشید هم‌اکنون در پایین‌ترین سطح خود طی 100 سال گذشته است.به گزارش ایسنا، آن‌ها بر این باورند این موضوع مشابه دوران Maunder Minimum در پیش از 1645 است که در آن، یخبندان موجب یخ‌زدن رود تیمز در لندن شد.محققان معتقدند فعالیت پایین خورشید می‌تواند به احتمال 20 درصد، به «تغییراتی بزرگ» در دما منجر می‌شود.ریچارد هاریسون از «آزمایشگاه اپلتون روترفود» در آکسفوردشایر، گفت: اوج‌های خورشیدی در حال پایین‌آمدن هستند و من طی 30 سال مطالعه در زمینه فیزیک خورشیدی، هرگز چنین پدیده‌ای را مشاهده نکرده بودم.هاریسون معتقد است که این پدیده می‌تواند به زمستان‌های سردتر مشابه زمستان‌های دوران Maunder Minimum بینجامد که به نوعی عصر مینی‌یخبندان بود.سال گذشته، ناسا هشدار داد موضوعی غیرقابل‌منتظره در خورشید در حال رخ‌دادن است.با این حال، دین پسنل، فیزیکدان خورشیدی مرکز پرواز فضایی گودارد ناسا، توضیحی متفاوت را ارائه می‌دهد.وی می‌گوید: دو بیشینه خورشیدی گذشته در سالهای 1989 و 2001 نه دارای یک اوج بلکه دارای دو اوج خورشیدی بودند.وی ادامه داد: در این جا فعالیت خورشیدی به اوج رسید، سپس افت کرد و دوباره اوج گرفت و مینی‌چرخه‌ای را اجرا کرد که حدود دو سال طول کشید. همین موضوع هم‌اکنون در حال رخ‌دادن است، زیرا تعداد لکه‌های خورشیدی در سال 2011 اوج گرفتند و در سال 2012 افت کردند.این دانشمند چرخه خورشیدی 24 و 14 را مشابه دانست که شامل اوج‌های دوقلو در دهه نخست قرن بیستم بودند.دوقلوبودن این چرخه‌ها به معنای وجود یک اوج در سال 2013 و اوج دیگر در سال 2015 است.
ایجاد یک سیستم پیش بینی ساده با توجه به مقادیر داده های جمع آوری شده از گذشته
مطالبی که این بار توضیح میدم در ادامه مطالب مطرح شده طی دو پست قبلی هست.
در مطلب این صفحه http://www.iranjoman.com/showthread.php?t=56411&page=8477&p=459469&highlight=#post459469 توضیح دادم که اگه دو مجموعه داده داشته باشیم و اون ها رو به صورت نقاطی در صفحه مختصات مشخص کنیم (نمودار پراکنش) و بتونیم معادله ی خطی رو پیدا کنیم که در مقایسه با هر خطی دیگه ای در مجموع کمترین فاصله رو از تمامی نقاط پراکنش داشته باشه، به این خط می گن خط بهترین برازش یا خط رگرسیون. خط رگرسیون ما رو قادر به پیش بینی ویژگی های تمام اون چیزهایی که در نمونه ما وجود نداره، میکنه.
ادامه توضیحات:
توی توضیحات مثال قبل دیدیم خط رگرسیون به صورت زیر رسم شد. امروز هدف ما پیدا کردن معادله این خط هست. تصویر پایین رو ببینید:
برای پیدا کردن معادله خط رگرسیون باید مقادیر مجهول a و b را بدست آوریم.
فرض میشه که:
X متغیر مستقل یا متغیر پیش بینی کننده.
Y متغیر وابسته یا متغیر پیش بینی شونده.
معمولا b رو از رابطه زیر محاسبه می کنیم:
از همین رابطه، ارتباط بین ضریب همبستگی و معادله خط رگرسیون مشخص میشه. توجه کنید که در تعیین شیب خط رگرسیون از ضریب همبستگی بین دو متغیر استفاده میشه. بعد از بدست آوردن شیب خط رگرسیون یعنی مقدار b از رابطه ی بالا، مقدار a یعنی عرض از مبدا رو به صورت زیر محاسبه می کنیم:
در عمل هر چه قدر مطلق ضریب همبستگی یعنی r به عدد 1 نزدیک تر باشه نشان دهنده همبستگی قوی تر بین متغیرها هست و در نتیجه متغیر پیش بینی کننده یعنی X، پیش بینی قوی تری برای متغیر پیش بینی شونده یعنی Y ارائه می ده.
به این ترتیب معادله خط رگرسیون رو بدست آوردیم. حالا در معادله خط رگرسیون Y=a+bX هر مقداری که برای متغیر پیش بینی کننده یعنی X، قرار بدیم به راحتی مقدار متغیر پیش بینی شونده یعنی Y حاصل میشه.
خوب الان برسیم به محاسبه داده ها به کمک نرم افزار اکسل و ایجاد سیستم پیش بینی مورد نظرمون.
روش اول استفاده از توابع اکسل
گفتم برای تعین معادله خط رگرسیون دو مجموعه از داده ها، باید شیب خط b و عرض از مبدا a رو تعیین کنیم این کار به کمک اکسل به سادگی انجام میشه.
فرض کنید داده های مربوط به X یعنی متغیر مستقل یا متغیر پیش بینی کننده و Y یعنی متغیر وابسته یا متغیر پیش بینی شونده رو به صورت زیر در محیط اکسل وارد کنیم.
خوب سوالی که مطرح می کنم این هست:
با توجه به این مقادیر اگر مقدار متغیر X برابر 40 باشد پیش بینی شما از مقدار متغیر Y چیست؟
اگه بخواهیم برای پاسخ به این سوال از رگرسیون دو متغیره خطی استفاده کنیم، باید معادله خط رگرسیون رو پیدا کنیم و همون طور که توضیح دادم برای تعیین معادله خط رگرسیون لازم هست شیب خط b و عرض از مبدا a رو تعیین کنیم.
برای تعیین شیب خط رگرسیون از تابع SLOPE استفاده می کنیم. همون طور که قبلا توضیح دادم در یکی از سلول ها علامت = بعدش به ترتیب S بعدش L و O رو تایپ می کنیم تابع پایین سلول نمایان میشه روش دو مرتبه کلیک کنید. تصویر زیر رو ببینید
خوب قبلا گفتم کادر پایین به عنوان راهنما استفاده میشه. مشاهده می کنید این تابع دو تا آرگومان داره. ابتدا باید آدرس مقادیر مربوط به متغیر پیش بینی شونده Y رو به تابع بدیم. به سادگی با حرکت ماوس مقادیر زیر Y رو انتخاب می کنیم. بعدش برای رفتن به آرگومان بعدی از علامت ویرگول , استفاده می کنیم:
حالا باید آدرس مربوط به داده های پیش بینی کننده یعنی X رو وارد کنیم. دقیقا مثل حالت قبل عمل می کنیم. در نهایت پرانتز رو می بندیم:
تابع تکمیل شد. کافیه enter کنیم تا نتیجه رو که همون شیب خط رگرسیون هست مشاهده کنیم. می بینید که نتیجه مقدار 1.32 هست. بنابراین مقدار b شد 1.32.
حالا برسیم به تعیین عرض از مبدا خط رگرسیون یعنی مقدار a. تابع بدست آوردن عرض از مبدا در اکسل تابع INTERCEPT هست. به شیوه ای که گفتم این تابع رو فراخوانی کنید:
مشاهده می کنید این تابع هم دو تا آرگومان داره. ابتدا باید آدرس مقادیر مربوط به متغیر پیش بینی شونده Y رو به تابع بدیم. بعدش هم علامت ویرگول , رو میذاریم. در ادامه باید آدرس مربوط به داده های پیش بینی کننده یعنی X رو وارد کنیم. دقیقا مثل حالت قبل عمل می کنیم. در نهایت پرانتز رو می بندیم:
تابع تکمیل شد. کافیه enter کنیم تا نتیجه رو که همون عرض از مبدا خط رگرسیون هست مشاهده کنیم. می بینید که نتیجه مقدار 0.4 هست. بنابراین مقدار a شد 0.4 .
حالا که هم مقدار a و هم مقدار b رو داریم کافیه این مقادیر رو در معادله Y=a+bX قرار بدیم نتیجه چی میشه؟
Y=0.4+1.32X
به این ترتیب معادله خط رگرسیون رو بدست آوردیم. حالا در معادله خط رگرسیون هر مقداری که برای متغیر پیش بینی کننده یعنی X، قرار بدیم به راحتی مقدار متغیر متغیر پیش بینی شونده یعنی Y حاصل میشه.
بر گردیم به سوال مطرح شده. سوال این بود که اگه مقدار متغیر پیش بینی کننده X برابر 40 باشه، پیش بینی ما از مقدار متغیر Y چی هست؟ کافیه به جای X در رابطه بالا مقدار 40 رو قرار بدیم:
Y=0.4+(1.32*40)=53.2
پس اگه مقدار متغیر پیش بینی کننده X برابر 40 باشه، پیش بینی ما از مقدار متغیر Y عدد 53.2 خواهد بود.
روش ساده تری هم برای انجام همین عملیات وجود داره که در روزهای آینده در موردش توضیح می دم. فکر می کنم بحث آینده در مورد پیش بینی جذاب، بشه.
مطالبی که این بار توضیح میدم در ادامه مطالب مطرح شده طی دو پست قبلی هست.
در مطلب این صفحه http://www.iranjoman.com/showthread.php?t=56411&page=8477&p=459469&highlight=#post459469 توضیح دادم که اگه دو مجموعه داده داشته باشیم و اون ها رو به صورت نقاطی در صفحه مختصات مشخص کنیم (نمودار پراکنش) و بتونیم معادله ی خطی رو پیدا کنیم که در مقایسه با هر خطی دیگه ای در مجموع کمترین فاصله رو از تمامی نقاط پراکنش داشته باشه، به این خط می گن خط بهترین برازش یا خط رگرسیون. خط رگرسیون ما رو قادر به پیش بینی ویژگی های تمام اون چیزهایی که در نمونه ما وجود نداره، میکنه.
ادامه توضیحات:
توی توضیحات مثال قبل دیدیم خط رگرسیون به صورت زیر رسم شد. امروز هدف ما پیدا کردن معادله این خط هست. تصویر پایین رو ببینید:
برای پیدا کردن معادله خط رگرسیون باید مقادیر مجهول a و b را بدست آوریم.
فرض میشه که:
X متغیر مستقل یا متغیر پیش بینی کننده.
Y متغیر وابسته یا متغیر پیش بینی شونده.
معمولا b رو از رابطه زیر محاسبه می کنیم:
از همین رابطه، ارتباط بین ضریب همبستگی و معادله خط رگرسیون مشخص میشه. توجه کنید که در تعیین شیب خط رگرسیون از ضریب همبستگی بین دو متغیر استفاده میشه. بعد از بدست آوردن شیب خط رگرسیون یعنی مقدار b از رابطه ی بالا، مقدار a یعنی عرض از مبدا رو به صورت زیر محاسبه می کنیم:
در عمل هر چه قدر مطلق ضریب همبستگی یعنی r به عدد 1 نزدیک تر باشه نشان دهنده همبستگی قوی تر بین متغیرها هست و در نتیجه متغیر پیش بینی کننده یعنی X، پیش بینی قوی تری برای متغیر پیش بینی شونده یعنی Y ارائه می ده.
به این ترتیب معادله خط رگرسیون رو بدست آوردیم. حالا در معادله خط رگرسیون Y=a+bX هر مقداری که برای متغیر پیش بینی کننده یعنی X، قرار بدیم به راحتی مقدار متغیر پیش بینی شونده یعنی Y حاصل میشه.
خوب الان برسیم به محاسبه داده ها به کمک نرم افزار اکسل و ایجاد سیستم پیش بینی مورد نظرمون.
روش اول استفاده از توابع اکسل
گفتم برای تعین معادله خط رگرسیون دو مجموعه از داده ها، باید شیب خط b و عرض از مبدا a رو تعیین کنیم این کار به کمک اکسل به سادگی انجام میشه.
فرض کنید داده های مربوط به X یعنی متغیر مستقل یا متغیر پیش بینی کننده و Y یعنی متغیر وابسته یا متغیر پیش بینی شونده رو به صورت زیر در محیط اکسل وارد کنیم.
خوب سوالی که مطرح می کنم این هست:
با توجه به این مقادیر اگر مقدار متغیر X برابر 40 باشد پیش بینی شما از مقدار متغیر Y چیست؟
اگه بخواهیم برای پاسخ به این سوال از رگرسیون دو متغیره خطی استفاده کنیم، باید معادله خط رگرسیون رو پیدا کنیم و همون طور که توضیح دادم برای تعیین معادله خط رگرسیون لازم هست شیب خط b و عرض از مبدا a رو تعیین کنیم.
برای تعیین شیب خط رگرسیون از تابع SLOPE استفاده می کنیم. همون طور که قبلا توضیح دادم در یکی از سلول ها علامت = بعدش به ترتیب S بعدش L و O رو تایپ می کنیم تابع پایین سلول نمایان میشه روش دو مرتبه کلیک کنید. تصویر زیر رو ببینید
خوب قبلا گفتم کادر پایین به عنوان راهنما استفاده میشه. مشاهده می کنید این تابع دو تا آرگومان داره. ابتدا باید آدرس مقادیر مربوط به متغیر پیش بینی شونده Y رو به تابع بدیم. به سادگی با حرکت ماوس مقادیر زیر Y رو انتخاب می کنیم. بعدش برای رفتن به آرگومان بعدی از علامت ویرگول , استفاده می کنیم:
حالا باید آدرس مربوط به داده های پیش بینی کننده یعنی X رو وارد کنیم. دقیقا مثل حالت قبل عمل می کنیم. در نهایت پرانتز رو می بندیم:
تابع تکمیل شد. کافیه enter کنیم تا نتیجه رو که همون شیب خط رگرسیون هست مشاهده کنیم. می بینید که نتیجه مقدار 1.32 هست. بنابراین مقدار b شد 1.32.
حالا برسیم به تعیین عرض از مبدا خط رگرسیون یعنی مقدار a. تابع بدست آوردن عرض از مبدا در اکسل تابع INTERCEPT هست. به شیوه ای که گفتم این تابع رو فراخوانی کنید:
مشاهده می کنید این تابع هم دو تا آرگومان داره. ابتدا باید آدرس مقادیر مربوط به متغیر پیش بینی شونده Y رو به تابع بدیم. بعدش هم علامت ویرگول , رو میذاریم. در ادامه باید آدرس مربوط به داده های پیش بینی کننده یعنی X رو وارد کنیم. دقیقا مثل حالت قبل عمل می کنیم. در نهایت پرانتز رو می بندیم:
تابع تکمیل شد. کافیه enter کنیم تا نتیجه رو که همون عرض از مبدا خط رگرسیون هست مشاهده کنیم. می بینید که نتیجه مقدار 0.4 هست. بنابراین مقدار a شد 0.4 .
حالا که هم مقدار a و هم مقدار b رو داریم کافیه این مقادیر رو در معادله Y=a+bX قرار بدیم نتیجه چی میشه؟
Y=0.4+1.32X
به این ترتیب معادله خط رگرسیون رو بدست آوردیم. حالا در معادله خط رگرسیون هر مقداری که برای متغیر پیش بینی کننده یعنی X، قرار بدیم به راحتی مقدار متغیر متغیر پیش بینی شونده یعنی Y حاصل میشه.
بر گردیم به سوال مطرح شده. سوال این بود که اگه مقدار متغیر پیش بینی کننده X برابر 40 باشه، پیش بینی ما از مقدار متغیر Y چی هست؟ کافیه به جای X در رابطه بالا مقدار 40 رو قرار بدیم:
Y=0.4+(1.32*40)=53.2
پس اگه مقدار متغیر پیش بینی کننده X برابر 40 باشه، پیش بینی ما از مقدار متغیر Y عدد 53.2 خواهد بود.
روش ساده تری هم برای انجام همین عملیات وجود داره که در روزهای آینده در موردش توضیح می دم. فکر می کنم بحث آینده در مورد پیش بینی جذاب، بشه.
Amir Mohsen
متخصص بخش هواشناسی
جی اف اس تا 27 ساعت آینده
منظورم جمعه و شنبه بود.
تازه واسه فردا هم منطقه ما بارش داره
اینهم یکی از فریمهاش:
Amir Mohsen
متخصص بخش هواشناسی
دوستان
اون سامانه ای که ظهر از مدل ECMWF با هم پیگیریش کردیم در مدل جی اف اس هم با اقتدار کامل به چشم میخوره و همچنان الگوی توزیع فشار مناسب و مطلوب بنظر میرسه:
سامانه رو از منظر اروپا ببینیم:
آبتین جان تحلیلش با شما
اون سامانه ای که ظهر از مدل ECMWF با هم پیگیریش کردیم در مدل جی اف اس هم با اقتدار کامل به چشم میخوره و همچنان الگوی توزیع فشار مناسب و مطلوب بنظر میرسه:
سامانه رو از منظر اروپا ببینیم:
آبتین جان تحلیلش با شما
دوستان
اون سامانه ای که ظهر از مدل ECMWF با هم پیگیریش کردیم در مدل جی اف اس هم با اقتدار کامل به چشم میخوره و همچنان الگوی توزیع فشار مناسب و مطلوب بنظر میرسه:
سامانه رو از منظر اروپا ببینیم:
آبتین جان تحلیلش با شما
امیر محسن عزیز سامانه اوایل فوریه که در نقشه های جی اف اس هست جدی هست یا نه؟
Amir Mohsen
متخصص بخش هواشناسی
امشب معلوم میشه که جدی هست یا نه
شاخص mjo رو برای چند سال اخیر رو دیدم
برف 17 ابان 90 روی 5 قرار داشت .
17 اسفند 91 روی بین 7 و 8 .
23 دی 89 (برف 5تا6 سانت ) روی 6
19 دی 86 روی 7.
17 تا 23 بهمن 83 ( برف یک متری تهران ) از اخر 6 تا اخر 7.
این جور که پیداست برف های خوب تهران در شاخص 5 به بالا اتفاق افتاده و بهترین برف های تهران در شاخص 7
برف 17 ابان 90 روی 5 قرار داشت .
17 اسفند 91 روی بین 7 و 8 .
23 دی 89 (برف 5تا6 سانت ) روی 6
19 دی 86 روی 7.
17 تا 23 بهمن 83 ( برف یک متری تهران ) از اخر 6 تا اخر 7.
این جور که پیداست برف های خوب تهران در شاخص 5 به بالا اتفاق افتاده و بهترین برف های تهران در شاخص 7
ﻛﺎرﺑﺴﺖ ﻣﺪل ﭘﻴﺶ ﺑﻴﻨﻲ ﻋﺪدي ARPS ﺑﺮ ﺷﺒﻴﻪﺳﺎزي ﺗﻮﻓﺎن ﺑﺮف ﺑﻬﻤﻦ 1383 درﺗﻬﺮان
این مقاله هم خوبه .
Farahani (1).pdf - 1.9 MB
این مقاله هم خوبه .
Farahani (1).pdf - 1.9 MB
Amir Mohsen
متخصص بخش هواشناسی
سامانه 27 ژانویه هنوز سرجاشه ولی مسیر حرکتش بنظرم نامشخصه و همه چیز به اون پرفشار بالای دریای کاسپین بر میگرده خدا کنه یه ذره تقویت بشه:
درود بر شما
خوش اومدید، امیدوارم اوقات خوب و خوشی رو در بخش هواشناسی داشته باشید:گل:
بسیار عالی هست امیرمحسن عزیز، موضوع مهم شد:گل:
- وضعیت