تحقیقات آب و خاک ایران، جلد ۵۶، شماره ۵، صفحات ۱۱۷۵-۱۲۰۰
عنوان فارسی افزایش دقت پیش‎بینی سری‎های زمانی دمای خاک در اعماق مختلف با استفاده از آنالیز طیفی و مدل‎های باکس-جنکینز
چکیده فارسی مقاله دمای خاک، یک پارامتر دینامیکی مهم است که پیش‌بینی آن نقش مهمی را در فرآیندهای هیدرولوژیکی در سطح خاک ایفا می‎کند. در این مطالعه، با هدف بهبود پیش‌بینی رفتار حرارتی لایه‎های خاک در اعماق مختلف، از ترکیب تحلیل طیفی و مدل‌های سری زمانی باکس-جنکینز استفاده شده است. دو سناریوی اصلی برای مدل‌سازی در نظر گرفته شد: سناریوی اول با تکیه بر داده‌های دمای خاک، و سناریوی دوم با در نظر گرفتن متغیرهای هواشناسی به‌عنوان ورودی‌های کمکی. عملکرد مدل‌ها با معیارهای MAE، RMSE، R2 و AIC ارزیابی گردید. پس از انجام آزمون‎های مختلف مولفه‎های قطعی در سری زمانی شناسایی و با کمک پارامترهای آماری مختلف شدت این مولفه‎ها مورد ارزیابی قرار گرفت. تحلیل پارامترهای آماری نشان داد که فصلی بودن نقش مهمتری نسبت به روند در سری‎های زمانی دمای خاک دارد. مدل‌های توسعه‌یافته نشان دادند که ترکیب تحلیل طیفی با ساختارهای ARMA  و ARIMA به‌طور مؤثری دقت پیش‌بینی دمای خاک را افزایش می‌دهد. در عمق 100 سانتی‌متری، این روش با ضریب تعیین 975/0، خطای پایین (MAE=0.83) و (RMSE=1.06) و پیچیدگی کمتر (AIC= -221.38)  نسبت به مدل‌های چندمتغیره، عملکرد بهتری را ارائه کرد. همچنین، گرچه در برخی سناریوها افزودن متغیرهای هواشناسی مانند تبخیر و تعرق، سرعت باد و تابش خورشیدی موجب بهبود در نتایج شد، اما مدل‌های تک‌متغیره مبتنی بر داده‌های دمای خاک عملکرد پایدارتری ارائه دادند. در نهایت، این مطالعه نشان داد که ترکیب روش‌های طیفی با مدل‌های سری زمانی، روشی مؤثر و قابل اعتماد برای پیش‌بینی دمای خاک در اعماق مختلف است.
کلیدواژه‌های فارسی مقاله تحلیل طیفی،رفتار حرارتی لایه‎های خاک،تحلیل‎های آماری،مدلسازی،
عنوان انگلیسی Improving the accuracy of soil temperature time series prediction at different depths using spectral analysis and Box-Jenkins models
چکیده انگلیسی مقاله Soil temperature is an important dynamic parameter that plays a key role in surface hydrological processes. In this study, a combination of spectral analysis and Box–Jenkins time series models was used to improve the prediction of thermal behavior in soil layers at various depths. Two main scenarios were considered for modeling: the first relying on soil temperature data, and the second including meteorological variables as auxiliary inputs. Model performance was evaluated using MAE, RMSE, R², and AIC criteria. After performing various tests, deterministic components in the time series were identified, and their intensity was assessed using different statistical parameters. The statistical analysis indicated that seasonality plays a more significant role than trend in the soil temperature time series. The developed models showed that combining spectral analysis with ARMA and ARIMA structures significantly improves soil temperature prediction accuracy. At the depth of 100 cm, this method achieved better performance with R² = 0.9750, MAE = 0.83, RMSE = 1.06, and AIC = –221.38, compared to multivariate models. Although in some scenarios the inclusion of meteorological variables such as evapotranspiration, wind speed, and solar radiation improved the results, univariate models based on soil temperature data provided more stable performance. Ultimately, this study demonstrated that combining spectral methods with time series models is an effective and reliable approach for predicting soil temperature at various depths.
کلیدواژه‌های انگلیسی مقاله تحلیل طیفی,رفتار حرارتی لایه‎های خاک,تحلیل‎های آماری,مدلسازی
نویسندگان مقاله فرشته نورمحمدی ده بالایی |
گروه مهندسی عمران، دانشکده مهندسی عمران، دانشکدگان فنی ، دانشگاه تهران، تهران، ایران

عباس سلیمان پور |
گروه مهندسی کشاورزی، دانشکده کشاورزی، دانشگاه صنعتی اصفهان، اصفهان، ایران.

سید تقی امید نائینی |
گروه مهندسی عمران، دانشکده مهندسی عمران، دانشکدگان فنی دانشگاه تهران. تهران. ایران.

نشانی اینترنتی https://ijswr.ut.ac.ir/article_103182_6c1426aa52662b402a4ade94339775a5.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات