مدل سازی و پیش بینی متوسط درجه حرارت ماهانه ی دمای اصفهان با استفاده از مدل SARIMA
عنوان مقاله: مدل سازی و پیش بینی متوسط درجه حرارت ماهانه ی دمای اصفهان با استفاده از مدل SARIMA
شناسه ملی مقاله: JR_JEWE-5-2_003
منتشر شده در شماره 2 دوره 5 فصل در سال 1398
شناسه ملی مقاله: JR_JEWE-5-2_003
منتشر شده در شماره 2 دوره 5 فصل در سال 1398
مشخصات نویسندگان مقاله:
سکینه خانی تملیه - دانشجوی دکترا، گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه زنجان، زنجان، ایران
ذبیح الله خانی تملیه - دانشجوی دکترا، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران
سید محمود حسینی صدیق - دانشجوی دکترا، گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه زنجان، زنجان، ایران
محمد کمانگر - دانشجوی دکترا، گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه زنجان، زنجان، ایران
خلاصه مقاله:
سکینه خانی تملیه - دانشجوی دکترا، گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه زنجان، زنجان، ایران
ذبیح الله خانی تملیه - دانشجوی دکترا، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران
سید محمود حسینی صدیق - دانشجوی دکترا، گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه زنجان، زنجان، ایران
محمد کمانگر - دانشجوی دکترا، گروه جغرافیا، دانشکده ادبیات و علوم انسانی، دانشگاه زنجان، زنجان، ایران
افزایش دمای کره زمین باعث بروز ناهنجاری هایی در اقلیم کره زمین شده که بر تمام زوایای زندگی بشر تاثیرگذار است. در این پژوهش تعیین تغییرات زمانی و مناسب ترین مدل برآورد تغییرات دما با استفاده از مدل سری زمانی SARIMAجهت پیش بینی در شهر اصفهان انجام شد. بدین منظور در محیط نرم افزار MINITAB از آمار درازمدت میانگین دمای ماهانه اصفهان طی سال های 2017-1951 استفاده شد. در ادامه، با استفاده ازسری های زمانی، یک الگوی اولیه به صورت SARIMA (0, 0, 4) (0, 1, 1)12 و SARIMA(0, 0, 4) (5, 1, 0)12 استخراج شد. سپس با سعی و خطا و روش زیاد برازش دادن این دو الگو، الگوی نهایی به صورت SARIMA (0, 0, 4) (0, 1, 1)12 حاصل شد. در مرحله بعدی صحت و دقت این مدل بر اساس آماره AIC و تحلیل نمودارها خودهمبستگی، بافتنگار باقیمانده های الگو و سایر پارامترها تایید شد. در نهایت بر اساس مدل های برازش یافته، پیش بینی برای 10 سال آینده انجام شد. نتایج این پژوهش نشان داد که این مدل از دقت تقریبا خوبی برای پیش بینی تغییرات دما طی سال های آتی برخوردار است. همچنین فرض استقلال باقیمانده ها با توجه به همبستگینگار مربوط به باقیمانده های مدل بهدلیل قرار گرفتن همه خود همبستگی ها در محدوده قابلقبولی قرار دارد، سپس بافتنگار باقیمانده های الگوی M1 نرمال بودن داده ها را نشان داد.
کلمات کلیدی: برازش, دما, سری زمانی, مدل سازی, SARIMA
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/961309/