مقایسه ی عملکرد مدلهای اتورگرسیو و میانگین متحرک در پیشبینی دمای حداکثر و حداقل روزانه

فعالیت های انسانی اعم از کشاورزی صنعت و سیستم های نظیر آن که وابسته به اقلیم می باشند، بر مبنای پایداری آن طراحی شده اند و از این جهت موضوع تغییر اقلیم می تواند ثبات و پایداری ذکر شده را به هم بریزد و یا حتی مختل کرده و انسان را با مشکلات جدی تری رو به رو سازد. در طی سالیان اخیر دانشمندان به جهت تجزیه و تحلیل الگو های اقلیمی توجه خاصی را به سوی سری های دمایی معطوف دارند. دما از جمله مهمترین عناصر اقلیمی بوده و در تعیین نقش و پراکنش دیگر عناصر اقلیمی نیز موثر است. همچنین دما از عوامل اصلی و اساسی در پهنه بندی و طبقه بندی اقلیمی بوده و بر این اساس نوسانات و تغییر پذیری دما بسیار حایز اهمیت می باشد و به همین دلیل پیش بینی مقادیر آتی دما نیز بسیار پر اهمیت و فوق العاده علمی-کاربردی است (قویدل رحیمی، 1391). دمای حد اکثر و حد اقل از عناصر اصلی هواشناسی می باشند که در غلب ایستگاه های هواشناسی کشور به صورت روزانه اندازه گیری می شوند. با توجه به دریافت نامنظم انرژی خورشیدی توسط زمین دمای هوا در سطح زمین دارای تغییرات بسیاری بوده که به نوبه ی خود سبب ایجاد تغییرات هواشناسی دیگری نیز در سایر عناصر هواشناسی در سطح کره ی زمین می گردد. همچنین این پارامتر دما از مهمترین داده های ورودی برای برآورد تبخیر و تعرق، بیلان آبی و شبیه سازی اثرات تغییر اقلیم بر روی سیستم های منابع آب و کشاورزی می باشد (خورشید دوست و همکاران، 1391). از این رو متخصصان همواره برای تخمین صحیح این متغیر ها و افزایش دقت روشهای موجود تلاش می کنند. تاکنون از مدل های مختلفی برای تخمین این فاکتورها بهره گرفته شده است که در این بین مدلهای آماری استوکستیک معمولا در جنبه ها و زمینه های هیدرولوژیکی و هواشناسی و اقلیم به وفور به کار رفته اند که از آن جمله می توان به مدل سری های زمانی یا باکس-جنکینز اشاره نمود که استفاده از آنها در این علوم برای مدل سازی و پیش بینی داده ها کاربرد فراوان دارد که اساس اغلب این روابط بر مبنای تحلیل های رگرسونی بنا نهاده شده است (نیرومند و بزرگ نیا، 1390). عینی و همکاران در سال 1395 به کمک مدل های سری زمانی به مدل سازی و برآورد مینیمم دمای ماهانه در استان کرمانشاه پرداختند. ایشان برای این امر از دو ایستگاه سینوپتیک واقع در کرمانشاه و کنگاور در بازه زمانی 23 ساله از ابتدای سال 1988 میلادی تا انتهای سال2010 استفاده نمودند. بررسی روند در سری های دمایی به روش من کندال بیانگر وجود روندی صعودی در دمای هر دو ایستگاه بود و نتایج مدل سازی و پیش بینی های مدل نیز نشان داد که از بین آنها مدل آریمای فصلی دارای دقت خوبی برای مدل سازی دمای مینیمم ماهانه در هر دو ایستکاه کرمانشاه و کنگاور بوده و این مدل در پیش بینی صورت گرفته تا سال 2016 نیز روندی مشابه را در هر دو ایستگاه از خود نشان می دهد. از پژوهش های صورت گرفته می توان به پیش بینی دمای روزانه هوای شهر تبریز که توسط قربانی و همکاران در سال 1389 انجام شد یاد کرد. این پژوهش بر روی داده های دمای بیشینه، متوسط و کمینه ی روزانه، که در ایستگاه سینوپتیک شهر تبریز انجام شد و به عنوان مدل، از سه مدل هوش مصنوعی ANFIS، شبکه عصبی MLP و برنامه ریزی ژنتیک استفاده شد. بررسی ها بیانگر دقت بالای هر سه مدل در تخمین دما بوده که بر اساس معیارهای سنجش خطای مدل، مدل برنامه ریزی ژنتیک نسبت به دو مدل دیگر دقت بالاتری را از خود شان داد. در سال 1392 به منظور مدلسازی و پیش بینی دمای حد اقل و حد اکثر ماهانه دشت مشهد، از مدل سری های زمانی استفاده شد. در این مطالعه که توسط شعبانی و همکاران صورت گرفت از سری داده های ثبت شده در دوره ی آماری 1987 تا 2008 استفاده شد و با دست یافتن به نتیجه مطلوب مدل سازی برای هر دو متغیر، مقادیر آتی برای سالهای 2009 تا 2018 پیش بینی شد که نشان داد در این دوره دمای حد اکثر به میزان یک درجه، و دمای حد اقل به اندازه ی 1.4 درجه سانتیگراد افزایش میانگین خواهند داشت. اوستاغلو و همکاران در سال 2008 میلادی جهت پیش بینی دمای بیشینه، میانگین و کمینه ی روزانه در حوضه های گیوه و ساکاریا که از مهمترین مناطق تولید محصولات کشاورزی در ترکیه می باشند، از سه مدل اصلی شبکه های عصبی مصنوعی استفاده نمودند. شبکه های عصبی استفاده شده عبارتند از: FFBP، RBF و GRNN که همگی دارای دقت قابل قبولی در مدل سازی و برآورد دمای روزانه بودند. در سال 2014 میلز مدل سری های زمانی را برای تجزیه و تحلیل سری های دمایی بیشینه و کمینه ی جزیره ی کفالونیا در یونان مورد استفاده قرار داد. داده ها متعلق به دهه 2010 بود و بنا بر وجود روند فصلی در داده ها طی دوره ی ده ساله، مدل استفاده شده در آن مدل آریمای فصلی بوده که دارای دقت خوب بوده با بکار گیری از آن مقادیر ماهانه ی این دو متغیر، برای 12 ماه سال 2011 پیش بینی شد.