مدیریت عرضه و تقاضای آب با استفاده از توابع ARIMA

لازمه مدیریت و برنامه ریزی بر هر پدیده طبیعی و اجتماعی داشتن آگاهی کافی بر ابعاد آن پدیده می باشد.نظر به اینکه جهت مقابله با بحرانهای احتمالی و یا به تعبیر بهتر پیش کنشی قبل از وقوع بحران برنامه ریزیبلند مدت نیاز میباشد لذا لازم است براساس روشهای علمی و تعریف شده ، پیش بینی در خصوص متغیر هایمفروض انجام شود.از روش های علمی موجود می توان رگرسیون چند متغیره ، شبکه عصبی مصنوعی و سریهای زمانی را نام برد. که در اینجا از روش سری های زمانی به جهت تعدد داده ها استفاده می شود . .بنابراینابتدا نمودار سری زمانی داده ها را رسم نموده و نظر به اینکه سری مذکور شامل روند و تغیی رات فصلی وبه تعبیر علمی سری ناایستا می باشد (باتوجه به نمودار و نیز acf و pacf مربوط به سری داده ها) بنابراین برای حصول ایستایی (سری که تابع میانگین آن نسبت به زمان ثابت باشد)بایستی روند وتغییرات فصلی از سری داده ها حذف گردد.با استفاده از acf و pacf این سری (سری ایستا شده )می توان پارامترهای چند جمله ای اتورگرسیو و چند چمله ای میانگین متحرک را بدست آورد با توجه به اینکه مرتبه های تفاضلی روند و فصلی (d=1 و D=1) قبلا تعیین شده است لذا فرم کلی سری اریما به منظور پیش بینی مقادیر آینده به شکل زیر خواهد بود: (فرمول در متن مقاله اصلی) حال که معادله سری زمانی پیش بینی مصرف آب حاصل شد به منظور بررسی صحت و سقم مدل مذکور لازم است مقادیر باقیمانده سری به لحاظ استقلال داده های آن مورد آزمون قرار گیرد که آ ماره لجونگ باکس دلالت بر استقلال باقیمانده ها دارد و مقدار کمینه واریانس باقیمانده ها نیر حکایت از برازش دقیق مدل به داده های سری دارد .نظر به اینکه تعیین فاصله اطمینان برای برآورد یک پارامتر هدف از تحقیق نبوده لذا نانرمال بودن باقیمانده ها به دقت پیش بینی خللی وارد نمی کند.

کلیدواژه ها:

اتورگرسیو ، اغتشاش خا لص ، اریما ، کولموگرف اسمیرنوف ، میانگین متحرک