تحلیل و مدلسازی بارش با استفاده از مدل آریما(مطالعه موردی: اهواز)

چکیدهبارندگی یکی از مهمترین اجزای چرخه آب بوده و به عنوان یکی از مهمترین مولفه های ورودی به چرخه هیدرولوژی به شمار می رود که در سنجش خصوصیات اقلیمی هر منطقه نقش بسیار مهمی را ایفا می کند . یش بینی بارندگی نقش بسیار مهمی در آمادگی، مدیریت و پیشگیری از رخدادهای ناشی از مخاطرات طبیعی ایفا می کند. در این پژوهش برای پیش بینی بارندگی سالانه ایستگاه سینوپتیک اهواز از داده های بارش سالانه ایستگاه اهواز برای دوره آماری ۲۰۱۹ - ۱۹۷۰ استفاده گردید . برای پیش بینی رفتار بارش از روش مدلسازی آریما بهره گرفته شد . برای بررسی ایستایی مدل توابع خودهمبستگی(ADF) و خودهمبستگی جزیی (PACF) بکار رفت بهترین مدل آریما برای پیش بینی بارش ایستگاه اهواز مدل آریما (۳,۱,۱) تشخیص داده شد. پیش بینی بارش برای سال های آتی روند نزولی بارش برای ایستگاه اهواز را نشان می دهد. همچنین در این پژوهش برای پیش بینی بارندگی سالانه ایستگاه اهواز از روش یادگیری ماشین درخت تصادفی یا Random Forest (RF) بهره گرفته شد که با توجه به سری زمانی داده ها نسبت به مدل آریما از دقت کمتری برخوردار بود. هدف از این مدل، مقایسه با سری زمانی ARIMA به منظور پیش بینی بارندگی سالانه در ایستگاه اهواز است.

کلیدواژه ها:

واژگان کلیدی: پیش بینی بارش ، روند ، سری زمانی ، ARIMA ، ایستگاه اهواز