کاربرد مدل غیرخطی EGARCH در مدل‌سازی مقادیر تبخیر و تعرق پتانسیل

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 317

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_WATER-11-1_015

تاریخ نمایه سازی: 4 اسفند 1399

چکیده مقاله:

در مدل­های چند متغیره سری زمانی با دخالت دادن عوامل مؤثر دیگر، می­توان نتایج توصیف، مدل‌سازی و پیش­بینی پارامترهای مختلف را بهبود بخشید. هم­چنین از آنجا که مدل­های غیرخطی واریانس شرطی، بخش باقی­مانده مدل­های خطی را به شکل مناسبی مدل می­کنند، انتظار می­رود با تلفیق مدل­های خطی و غیرخطی، دقت مدل‌سازی و پیش­بینی­ها افزایش ­یابد. در این مطالعه از داده­های مقادیر تبخیر و تعرق پتانسیل ایستگاه­های شرق کشور (ایستگاه بیرجند، مشهد، زاهدان و زابل) در دوره آماری 2010-1973 در مقیاس ماهانه استفاده شده است. از آنجایی که مدل هدف چند متغیره می­باشد، علاوه بر داده­های تبخیر و تعرق پتانسیل، از داده­های رطوبت نسبی، سرعت باد و ساعات آفتابی نیز جهت مدل­سازی تبخیر و تعرق پتانسیل ماهانه استفاده شده است. مدل­های مورد بررسی در این تحقیق، دو مدل MPAR و MPAR-EGARCH می­باشد. نتایج بررسی و صحت سنجی داده­های مدل­شده نشان داد که هر دو مدل مورد بررسی از دقت بالایی برخوردار هستند. در این مطالعه در تمام موارد مدل چند متغیره تلفیقی با واریانس شرطی از دقت بیشتری نسبت به مدل چند متغیره پریودیک آرما برخوردار بودند. هم­چنین نتایج نشان داد که مدل تلفیقی MPAR-EGARCH نقاط کمینه و بیشینه داده­های مورد بررسی را به خوبی برازش داده است. متوسط میزان خطا در تخمین مقادیر تبخیر و تعرق پتانسیل توسط مدل MPAR در ایستگاه­های بیرجند، مشهد، زابل و زاهدان به ترتیب برابر با 4/0، 43/0، 05/1 و 04/3  و در مدل­های تلفیقی MPAR-EGARCH به ترتیب برابر با 16/0، 19/0، 55/0 و 59/0 می­باشد.

کلیدواژه ها:

مدل‌های فصلی ، تبخیر و تعرق پتانسیل ، مدل واریانس شرطی خودهمبسته ، مدل چند متغیره

نویسندگان

یوسف رمضانی

گروه علوم و مهندسی آب دانشگاه بیرجند

محمد ناظری تهرودی

کیلومتر ۵ جاده کرمان - پردیس کشاورزی و منابع طبیعی دانشگاه بیرجند - دانشکده کشاورزی، گروه مهندسی آب صندوق پستی: ۳۳۱

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • رمضانی، ی.، م، امیرآبادی­زاده.، م، یعقوب­زاده.، م، ناظری تهرودی. 1397. ...
  • ناظری تهرودی، م.، ک، خلیلی. 1397. مقایسه مدل­های ARMA و ...
  • Ahmadi F, Nazeri Tahroudi M, Mirabbasi R, Khalili K, Jhajharia ...
  • Bloomfield P, Nychka D. 1992. Climate spectra and detecting climate ...
  • Bollerslev T. 1986. Generalized autoregressive conditional heteroskedasticity. Journal of econometrics, 31(3), 307-327. ...
  • Box GE, Cox DR. 1964. An analysis of transformations. Journal of ...
  • Caiado J. 2007. Forecasting water consumption in Spain using univariate ...
  • Doğan E, Işık S, Toluk T, Sandalcı M. 2007. Daily ...
  • Engle RF. 1982. Autoregressive conditional heteroscedasticity with estimates of the ...
  • Fereydooni M, Rahnemaei M, Babazadeh H, Sedghi H, Elhami MR. ...
  • Folland GB. 1990. Remainder estimates in Taylor's theorem. The American Mathematical ...
  • Ghanbarpour MR, Abbaspour KC, Jalalvand GOUDARZ, Moghaddam GA. 2010. Stochastic ...
  • Hansen J, Lebedeff S. 1988. Global surface air temperatures: Update ...
  • Kendall MG. 1938. A new measure of rank correlation. Biometrika, 30(1/2), 81-93. ...
  • Komorník J, Komorníková M, Mesiar R, Szökeová D, Szolgay J. ...
  • Mann HB. 1945. Nonparametric tests against trend. Econometrica: Journal of the ...
  • Mendenhall W, Reinmuth JE. 1971. Statistics for management and economics. ...
  • Nash JE, Sutcliffe JV. 1970. River flow forecasting through conceptual ...
  • Nelson DB. 1991. Conditional heteroskedasticity in asset returns: A new ...
  • Tesfaye YG, Meerschaert MM, Anderson PL. 2006. Identification of periodic ...
  • Valipour M, Banihabib ME, Behbahani SMR. 2013. Comparison of the ...
  • Wang W, Van Gelder PHAJM, Vrijling JK, Ma J. 2005. ...
  • Wilcoxon F. 1945. Individual comparisons by ranking methods. Biometrics bulletin, 1(6), 80-83 ...
  • نمایش کامل مراجع