پیش بینی دبی با استفاده از تحلیل سری های زمانی با مدل SARIMAدر شرایط خشکسالی مطالعه موردی: ایستگاه دبی سنجی پیرسلمان در رودخانه جامیشان
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 53
نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JIRCSA-6-1_007
تاریخ نمایه سازی: 28 مرداد 1402
چکیده مقاله:
تامین نیازهای آبی به دلیل کاهش منابع آب و افزایش جمعیت به مراتب مشکلتر و محدودتر از گذشته است. از سویی کاهش نزولات جوی و محدودیت شدید منابع آب، ضرورت پیشبینی بارش و دبی ناشی از آنرا در بازه های زمانی ماهانه و سالانه در مقیاس حوضه آبریز و زیرحوضه های آن را دو چندان مینماید. اساس این کار ارزیابی جوی و پیشبینی بارندگی در سری های زمانی است. یکی از فرضیات کلیدی در سری های زمانی ایستا بودن آنها است. با این وجود، بسیاری از سری های هیدرولوژیکی بنا به دلایل مختلف مانند روند، پرش و تناوب ناایستا هستند. هدف از این پژوهش ارزیابی ایستایی سری زمانی بارندگی به منظور انتخاب مناسبترین مدل جهت پیشبینی دبی جریان رودخانه جامیشان در ایستگاه آبسنجی پیرسلمان بود. حوضه جامیشان در شمالشرقی استان کرمانشاه در بالادست رودخانه دینور قرار دارد. به این منظور داده های بارندگی ماهانه در یک دوره ۲۵ ساله (۱۳۶۵-۱۳۹۰) استفاده شد. از آنجایی که سری زمانی ناایستا است و عوامل ناایستایی آن حذف نگردید در نهایت پارامترهای مدل غیر فصلی SARIMA با استفاده از نرم افزار MINITAB جهت پیشبینی باران ماهانه محاسبه گردید. برای صحت سنجی مدل از معیار نرمال بودن و مستقل بودن باقی مانده ها استفاده شد و در نهایت مقادیر دبی رودخانه پیر سلمان به کمک مدل ۱۲(۳,۰,۱)×(۳,۰,۱)SARIMA نسبت به مدل های دیگر با داشتن میانگین خطای کمتر در پیش بینی برآورد گردید.
کلیدواژه ها:
نویسندگان
سارا حشمتی
MS student of Water Resources, Department of Water Engineering, Faculty of Agriculture and Natural Resources, Razi University, Kermanshah, Iran
مریم حافظ پرست مودت
Assistant Professor, Department of Water Engineering, Faculty of Agriculture and Natural Resources, Razi University, Kermanshah, Iran
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 :