بررسی توانمندی مدل های سری زمانی تصادفی جهت پیش بینی نمایه اقلیمی نوسانات ده ساله اقیانوس آرام

الگوهای پیوند از دور بر عناصر اقلیمی (مانند دما، بارش و غیره) تأثیر می گذارد. هدف این پژوهش پیش بینی نمایه اقلیمی نوسانات ده ساله اقیانوس آرام PDO با استفاده از مدل های تصادفی است. داده های سری زمانی فاصله زمانی میان سال های 1948 تا 2018 در مقیاس ماهانه تهیه شدند. با استفاده از تابع خودهمبستگی مشخص شد که سری زمانی PDO دارای روند فصلی نبوده؛ لذا از مدل های تصادفی غیرفصلی نظیر ARMA, MA, AR و ARIMA استفاده شد. 75 درصد داده ابتدایی دوره برای واسنجی مدل و 25 درصد داده انتهایی برای اعتبار سنجی آن مورد استفاده قرار گرفت. بهترین درجات مدل ها از طریق سعی و خطا و با در نظر گرفتن معیارهای ارزیابی شامل ریشه میانگین مربعات خطاRMSE ، ریشه میانگین مربعات خطای نرمال شده NRMSE و شاخص ویلموت WI انتخاب شد. نتایج نشان داد که مدل تصادفی ARMA با درجات ARMA 3.5 دارای پیش بینی بهتری در مقایسه با دیگر مدل ها بوده که مقادیر WI و NRMSE ،RMSE در آن به ترتیب برابر با 0/49، 0/10، 0/94 بوده است. کارایی و توانمندی مدل های آماری تصادفی در پیش بینی فرآیندهای اقلیمی و متغیرهای آب و هوایی می تواند در کنترل محیط زیست و مدیریت صحیح آتی تاثیرگذار باشد

کلیدواژه ها:

سری زمانی ، ARMA ، نمایه اقلیمی PDO ، پیش بینی