مقایسه مدل های سری زمانی خودهمبسته با میانگین متحرک و هالت وینترز در پیش بینی بارش

سال انتشار: 1393
محل انتشار: دومین همایش ملی بحران آب (تغییر اقلیم، آب و محیط زیست)
کد COI اختصاصی: NCWC02_095
زبان مقاله: فارسی
تعداد مشاهده: 1465

نویسندگان

دانشجوی دکتری منابع آب، پردیس ابوریحان، دانشگاه تهران

استادیار گروه آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران

چکیده

پیش بینی متغیرهای هیدرولوژیکی از جمله بارش نقش مهمی در برنامه ریزی و مدیریت منابع آب دارد. از جمله مدل های پیش بینی کوتاه مدت این پارامترها، مدل های سری زمانی هستند. در تحقیق حاضر، توانایی مدل های مختلف سری زمانی در پیش بینی بارش ماهانه ایستگاه لتیان مورد بررسی قرار گرفت. بدین منظور ابتدا به کمک آزمون من کندال فصلی روند داده ها بررسی گردید و سپس مدل های مختلف خودهمبسته با میانگین متحرک توصیه شده در روش باکس و جنکینز و مدل هالت وینترز بر داده ها برازش داده شد و در نهایت بهترین مدل برای پیش بینی بارش ماهانه انتخاب گردید. نتایج نشان داد که مدل های سری زمانی، مقادیر بارش های پایین و نزدیک میانگین را بهتر برآورد می کنند و تخمین گر مناسبی در بارش های بالا و حدی نیستند. با این حال مدل هالت وینترز نسبت به مدل های آریما نتایج بهتری را در پیش بینی بارش های بالا ارائه می دهد. اما به طور کلی، مدل آریمای 12(100) (011) دارای میزان خطای کمتری در شبیه سازی بارش ماهانه است، اگرچه این مدل در پیش بینی مقادیر بالای بارش چندان کارا نمی باشد.

کلیدواژه ها

سری زمانی، من کندال فصلی، مدل خود همبسته با میانگین متحرک ، مدل هالت وینترز

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.