کاربرد مدل غیرخطی EGARCH در مدلسازی مقادیر تبخیر و تعرق پتانسیل
محل انتشار: مهندسی آبیاری و آب ایران، دوره: 11، شماره: 1
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 317
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
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:
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 :