دانش آب و خاک، جلد ۲۹، شماره ۲، صفحات ۵۷-۷۲
عنوان فارسی ارزیابی کارایی روش‌های مختلف ایستاسازی داده‌ها با استفاده از مدل‌های خانواده ARIMA
چکیده فارسی مقاله پیش­بینی عمق بارندگی در مدیریت منابع آب هر منطقه از اهمیت بالایی برخوردار است. مدل­های سری­های زمانی خانواده ARIMA کاربرد گسترده­ای در این زمینه دارند. هدف اصلی این مطالعه پیش­بینی بارندگی ماهانه با استفاده از بهترین روش ایستاسازی سری زمانی و مناسب­ترین مدل خانواده ARIMA است. در این مطالعه، از داده­های ایستگاه همدید اردبیل استفاده شد. در گام اول، بخش­های روند و تغییرات فصلی داده­های بارندگی ماهانه از سال 1990 تا 2016 با استفاده از روش­های مختلف حذف شد و در گام دوم، کارایی مدل­های مختلف خانواده ARIMA در پیش­بینی بارندگی ماهانه مورد بررسی قرار گرفت. نتایج نشان داد که روش ایستا­سازی با استفاده از میانگین متحرک مرکزی مرتبه 12 و میانگین فصلی به­ترتیب، برای حذف روند و تغییرات فصلی (به­دلیل ایجاد بالاترین مقدار ضریب همبستگی (8/0=r)) بهترین روش ایستاسازی بوده و مدل 12(0،0،1)(1،0،1)SARIMA با بیشترین ضریب همبستگی (8/0=r) و کمترین معیار آکائیک (74/191=AIC) مناسب­ترین مدل پیش­بینی بارندگی ماهانه در ایستگاه مورد مطالعه است. در نهایت، بارندگی ماهانه 3 سال آینده (2017 تا 2019) با استفاده از روش ایستاسازی و مدل منتخب پیش­بینی گردید. نتایج نشان داد که روند بارندگی ایستگاه همدید اردبیل در سه سال آینده به­صورت کاهشی خواهد بود.
کلیدواژه‌های فارسی مقاله اردبیل، پیش‌بینی بارندگی، سری‌های زمانی، معیار آکائیک،
عنوان انگلیسی Evaluation of Different Data Stationary Methods Efficiency Using ARIMA Family Models
چکیده انگلیسی مقاله      Forecasting rainfall depth is very important in water resources management. ARIMA family time series models have a widespread application in this context. The main objective of this study was to predict monthly rainfall using the best time series stationary method and the most suitable ARIMA family model. In this study, Ardabil synoptic station's data was used. In the first step, the trend and seasonality terms of monthly rainfall data from 1990 to 2016 were removed using different methods and in the second step the efficiency of different ARIMA models for predicting monthly rainfall was investigated. Results showed that the stationary method using 12 period centered moving average and seasonal average in order to remove trend and seasonal variation, respectively, is the best stationary method with the highest correlation coefficient (r=0.8). Also, the SARIMA (1,0,1) (0,0,1)12 model with the highest correlation coefficient (r=0.8) and the lowest Akaike criterion (AIC=191.74) is the best prediction model for monthly rainfall at the studied station. Finally, the monthly rainfall of the next 3 years (2017-2019) forecasted using the optimized stationary method and the selected model. Results showed that the rainfall trends of Ardabil synoptic station will be decreased in the next three years.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله
نشانی اینترنتی https://water-soil.tabrizu.ac.ir/article_9271_e09c9bb1f35c8d6fa8228360fae5e661.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/794/article-794-1905393.pdf
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