این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهشنامه مدیریت حوزه آبخیز، جلد ۸، شماره ۱۵، صفحات ۱۰۲-۱۱۱
عنوان فارسی مدل‌سازی و پیش‌بینی تراز آب زیرزمینی با کاربرد مدل‌های سری زمانی (مطالعه موردی: دشت‌های استان همدان)
چکیده فارسی مقاله با توجه به اتکاء بخش‌های کشاورزی، صنعت و شرب در استان همدان به منابع آب زیرزمینی، مدل‌سازی و پیش‌بینی نوسانات تراز آب زیرزمینی برای بهره‌برداری از این منبع یک ضرورت اساسی است. مدل‌های سری زمانی یکی از روش‌های قابل استفاده در این زمینه است، که با کاربرد اصولی و صحیح آن‌ها، در عین سادگی، پیش‌بینی‌های کوتاه مدت خوبی را به‌دست می‌دهند. بدین منظور داده‌های خام چاه‌های مشاهداتی دشت‌های استان همدان تهیه شدند، که پس از ویرایش و استفاده از چندضلعی تیسن، سری زمانی تراز آب زیرزمینی هر دشت تشکیل شد. آزمون من-کندال وجود روند قطعی در تمام سری‌های زمانی دشت‌های استان همدان را نشان داد، که بدین‌ترتیب لازم شد با کسر جمله روند از سری‌های زمانی تراز آب زیرزمینی روندزدایی شود. سپس آزمون ریشه واحد برای بررسی مانایی سری‌های زمانی انجام شد و با توجه به روش باکس-جنکینز، مدل‌های ARIMA فصلی روی داده‌های نمونه برازش و مناسب‌ترین آن‌ها انتخاب شدند. سپس از مدل‌های ARIMA فصلی برای پیش‌بینی 12 ماهه استفاده شد که پیش‌بینی‌های خارج از نمونه خوبی را به‌دست دادند. به‌طوری که بین همه دشت‌های تحت مطالعه کمترین ضریب همبستگی پیرسون 93/0 و بیشترین جذر میانگین مربع خطا 73/0 متر برای دشت همدان-بهار به‌دست آمد. همچنین بهترین پیش‌بینی 12 ماهه در دشت کبودرآهنگ با مقدار ضریب همبستگی پیرسون 99/0 و جذر میانگین مربع خطا 20/0 متر صورت گرفت.
کلیدواژه‌های فارسی مقاله افت آب زیرزمینی، باکس-جنکینز، روند، ARIMA فصلی، SARIMA
عنوان انگلیسی Groundwater Level Modeling and Forecasting using the Time Series Models (Case Study: the Plains of Hamadan Province)
چکیده انگلیسی مقاله Regarding the reliance of the agricultural and industrial sections and the drinking water on the groundwater resources in Hamadan province, the modeling and forecasting groundwater level fluctuations to utilize the resources is a basic necessity. One of the usual method in this way is the utilization of the time series models that give simply and clearly good short-term forecasts if the models are used in the correct way. Therefore, the raw data of piezometers in the plains of Hamadan province are taken and after the preprocessing job and using the Thiessen polygon, the time series of each plain is formed. The Mann-Kendall test showed deterministic trend in all the time series of the plains which consequently it is needed to detrend by excluding the trend term from the time series. Subsequently, the unit root test is carried out for whether the time series are stationary, and then using the Box-Jenkins method, seasonal ARIMA models are applied to the sample data and the bests are selected. Afterwards, the ARIMA models are used in the 12 months forecasting that gives the good out-of-sample forecasts, which in all the plains the lowest Pearson's correlation coefficient and the highest root mean square error are calculated 0.93 and 0.73 m, respectively, for the Hamadan-Bahar plain. Moreover, the best 12-months forecast is obtained in the Kaboudarahang plain with a Pearson's correlation coefficient of 0.99 and a root mean square error of 0.20 m.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله علی افروزی |


حمید زارع ابیانه | zare abyaneh


نشانی اینترنتی http://jwmr.sanru.ac.ir/browse.php?a_code=A-10-1-182&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1495/article-1495-438345.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات