این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
دانش آب و خاک، جلد ۲۶، شماره ۲- بخش۱، صفحات ۱۳-۲۸
عنوان فارسی ارزیابی عملکرد مدل‌های ARMA و CARMA در مدل‌سازی بارش سالانه ایستگاه سینوپتیک ارومیه
چکیده فارسی مقاله با توجه به پیچیدگی فرآیندهای هیدرولوژیکی به ­نظر می­رسد روش­های چند­متغیره با در نظر گرفتن عوامل موٌثر بیشتر، بتواند دقت مدل­های سری زمانی و نتایج حاصل از آن‌ها را ارتقا دهد. در واقع، نتایج مدل­های چند­متغیره با دخالت دادن عوامل مؤثر دیگر، می­تواند نتایج توصیف، مدل­سازی و پیش ­بینی پارامترهای مختلف را بهبود دهد. در این مطالعه، مدل­های تک ­متغیره آرما و چند­متغیره خودهمبسته با میانگین متحرک هم­زمان آرما (کارما) جهت مدل­سازی مجموع بارش سالانه ایستگاه سینوپتیک ارومیه مورد ارزیابی قرار گرفتند. جهت استفاده از مدل­های آرما، از سری زمانی مجموع بارش سالانه در دوره آماری (2010-1961) و جهت مدل­سازی با استفاده از مدل­های  کارما، از سه سری زمانی مجموع بارش سالانه (میلی­متر)، متوسط دمای سالانه (درجه سلسیوس) و متوسط سرعت باد (نات) در دوره آماری مذکور استفاده شد. نتایج نشان داد که با دخالت دادن پارامترهای ذکرشده در مدل، دقت مدل­سازی افزایش می­یابد. به‌طوری‌که در مدل کارما نسبت به مدل آرما، به دلیل ضریب همبستگی بالاتر معادل 960/0 و معیار جذر میانگین مربعات خطای کمتر، معادل 611/21 بین داده­های مدل و مقادیر مشاهداتی، نتایج بهتری به­ دست آمد. هم­چنین بر اساس نتایج حاصل، استفاده از مدل­های چند­متغیره خانواده آرما سبب کاهش میزان خطای مدل به­میزان 31 درصد شده است.
کلیدواژه‌های فارسی مقاله بارش، دما، سرعت باد، سری زمانی، مدل‌های چند‌متغیره،
عنوان انگلیسی Performance Evaluation of ARMA and CARMA Models in Modeling Annual Precipitation of Urmia Synoptic Station
چکیده انگلیسی مقاله Due to the complexity of hydrological processes it seems that the multivariate models with more parameters can be used to improve the accuracy and results of the time series models. Indeed, with the involving other effective parameters in the multivariate models the results of description, modeling and forecasting of various parameters can be improved. In this research, the univariate ARMA models and multivariate contemporaneous autoregressive moving average (CARMA) models were evaluated to modeling the total annual precipitation of Urmia synoptic station. In order to use ARMA models total annual precipitation time series of Urmia station in the period of 1961-2010 was used. Furthermore, average of air temperature (°C), mean wind speed (Knot) and mean of precipitation time series in annual time scale of Urmia synoptic station were used in modeling by CARMA models. The results showed that by incorporation the mentioned time series, the accuracy of the models increased. As, for CARMA model in comparison with ARMA model, better results were obtained because of the higher correlation coefficient equal to 0.960 and lower root mean square error equal to 21.611 between the observed and modeled data. Also according to the obtained results, using the multivariate ARMA models caused to decrease model error up to 31 percentages.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله کیوان خلیلی |
استادیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه
سازمان اصلی تایید شده: دانشگاه ارومیه (Urmia university)

محمد محمد ناظری تهرودی | mohammad nazeri tahroudi
دانشجوی کارشناسی ارشد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه
سازمان اصلی تایید شده: دانشگاه ارومیه (Urmia university)

نشانی اینترنتی http://water-soil.tabrizu.ac.ir/article_5047_4d5212949329e952d987b928042617e6.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/794/article-794-500897.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