بررسی تاثیر مقیاس زمانی در مدلسازی سری دمائی با استفاده از سری های زمانی (مطالعه موردی ایستگاه هواشناسی مشهد)
محل انتشار: پنجمین کنفرانس مدیریت منابع آب ایران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 387
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می 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:
WRM05_286
تاریخ نمایه سازی: 25 تیر 1393
چکیده مقاله:
دما از عناصر اساسی شکل گیری اقلیم بوده و تغییرات آن می تواند ساختار آب و هوا یی هر محل را دگرگون سازد. بنابراین تحلیل و تعیین نوسانات و تغییرپذیری دما بسیار حایز اهمیت بوده و پیش بینی دماهای آتی نیز دارای اهمیت علمی و کاربردی است. استفاده از سری ها ی زمان ی در مدلساز ی پارامترهای هیدرولوژیکی همچون بارندگی و دما در تحقیقات بسیار زیادی مورد استفاده قرار گرفته است. در مدلسازی سری دمائی، مقیاس زمانی یکی از متغیرهایی است که باید بطور مناسب انتخاب گردد. در این مطالعه سری دمائی ایستگاه هواشناسی مشهد در دوره آماری 1951 تا 2008،با سه مقیاس زمانی میانگین ده روزه، میانگین ماهانه و میانگین فصلی (سه ماه)، بطور جداگانه با استفاده از مدل تلفیقی اتورگرسیو می انگین متحرک فصلی SARIMA(p,d,q)(P,D,Q)s مدلسازی و سپس شبیه سازی سری دمائی آینده انجام شد . مقایسه سه مدل بدست آمده نشان داد که با افزایش مقیاس زمانی، تعداد پارامترهای مدلسازی افزا یش و مقدار AIC کاهش می یابد. همچنین نتایج شبیه سازی ها نشان داد مدل های بدست آمده برآوردهای یکساله و نه ساله سری دمائی آینده را تقریبا با دقت برابر انجام داده اند و هیچ اختلاف معنی داری بین مدل های مختلف در دقت پیش بینی سری دمائی آینده وجود ندارد. بنابراین با افزایش مقیاس زمانی تا میانگین سه ماهه، مدلسازی با سهولت بیشترو بدون کاهش دقت شبیه سازی، انجام خواهد شد.
کلیدواژه ها:
نویسندگان
معصومه شکرالهی
دانش آموخته کارشناسی ارشد آبیاری و زهکشی دانشگاه تهران
سید سعید موسوی ندوشن
عضو هیئت علمی گروه منابع آب پردیس فنی و مهندسی شهید عباس پور
مصطفی گوینده
دانشجوی دکتری آبیاری و زهکشی دانشگاه تربیت مدرس
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 :