ارزیابی عملکرد مدلهای سری زمانی چند متغیره تلفیقی، MPAR و MPAR-ARCH در مدلسازی دبی جریان رودخانه با درنظر گرفتن عوامل مؤثر هواشناسی (مطالعه موردی: رودخانه نازلوچای)
Authors
Abstract:
بیش از سه دهه است که هیدرولوژیستها، استفاده از مدلهای چندمتغیره را جهت توصیف و مدلسازی پدیدههای پیچیده هیدرولوژی، توصیه میکنند. در مدلهای چند متغیره با دخالت دادن عوامل مؤثر، میتوان نتایج توصیف، مدلسازی و پیشبینی متغیرهای مختلف را بهبود بخشید. همچنین از آنجا که مدلهای غیرخطی واریانس ناهمسان شرطی، بخش باقیمانده مدلهای خطی را بهطور رضایتبخشی مدل میکنند، انتظار میرود، با ترکیب مدلهای خطی و غیرخطی، دقت مدلسازی و پیشبینیها افزایش یابد. در این مطالعه، دو مدل چند متغیره تناوبی آرما و چند متغیره تلفیقی با واریانس ناهمسان شرطی جهت مدلسازی دبی ماهانه رودخانه نازلوچای واقع استان آذربایجان غربی در دوره آماری 1390-1341 با لحاظ مؤلفههای دما و بارش ایستگاه سینوپتیک ارومیه مورد مقایسه قرار گرفتند. نتایج بررسی و صحتسنجی دادههای مدلشده نشان داد که هر دو مدل مورد بررسی دارای دقت خوبی در مدلسازی دبی جریان هستند. همچنین نتایج نشان داد که مدل چند متغیره تلفیقی با واریانس ناهمسان شرطی با دخالت دادن پارامترهای مؤثر بر دبی جریان از دقت بیشتری نسبت به مدل چند متغیره تناوبی آرما برخوردار است. هر دو مدل نقاط بیشینه و کمینه دبیها را با دقت مناسبی تخمین زدهاند. نتایج نشان داد که با تلفیق دو مدل چند متغیره تناوبی آرما و غیرخطی خودهمبسته با واریانس ناهمسان شرطی ، میزان خطای مدل حدود 16 درصد در مقایسه با مدل چند متغیره تناوبی آرما کاهش مییابد.
similar resources
مقایسه مدل های PAR و MPAR در مدل سازی سری زمانی ماهانه دبی رودخانه تحت تاثیر عوامل هواشناسی (مطالعه موردی: رودخانه نازلوچای)
بیش از سه دهه است که هیدرولوژیست ها، استفاده از مدل های چندمتغیره را جهت توصیف و مدل سازی داده های پیچیده هیدرولوژی، توصیه می کنند. درحالی که به تازگی اهمیت مدل های چند متغیره در آب شناسی مطرح شده است. در واقع در مدل های چند متغره با دخالت دادن عوامل موثر دیگر، می-توان نتایج توصیف، مدل سازی و پیش بینی پارامترهای مختلف را بهبود بخشید. در این مطالعه با استفاده دو مدل تک متغیره پریودیک آرما و چند ...
full textمدلسازی دبی جریان رودخانه با استفاده از مدلهای چندمتغیره تلفیقی سری زمانی
چکیده بیش از سه دهه است که هیدرولوژیستها، استفاده از مدلهای چند متغیره را جهت توصیف و مدلسازی دادههای پیچیده هیدرولوژی، توصیه میکنند. درحالی که به تازگی اهمیت مدلهای چند متغیره در هیدرولوژی مطرح شده است. در واقع در مدلهای چند متغیره با دخالت دادن عوامل مؤثر هواشناسی، میتوان نتایج توصیف، مدلسازی و پیشبینی پارامترهای مختلف را بهبود بخشید. همچنین از آنجا که مدلهای غی...
full textارزیابی بهبود ایستایی و دقت پیشبینی مدلهای سری زمانی دبی رودخانه تحت تأثیر رهیافت تفاضلگیری) مطالعه موردی: رودخانه دز)
هدف از پژوهش حاضر، بررسی تأثیر تفاضلگیریهای فصلی، غیرفصلی و ترکیبی بر میزان ایستایی سری زمانی دبی ماهانه رودخانه دز طی 60 سال میباشد. همچنین تأثیر میزان ایستایی بر عملکرد مدلهای SARIMA در پیشبینی سری زمانی از جنبههای مختلف بررسی شده است. ابتدا پایداری واریانس سری زمانی بررسیشده و تبدیلات لازم جهت مانا کردن واریانس اعمال گردیده است. سپس به کمک آزمون من-کندال فصلی، ایستای...
full textارزیابی مدل های تلفیقی AR-ARCH و GAR-ARCH در مدل سازی دبی جریان (مطالعه موردی: رودخانه زرینهرود استان آذربایجان غربی)
بسیاری از فرآیندهای مربوط به سیستمهای طبیعی نسبت به زمان غیرخطی بوده اگرچه جنبههای خاصی از این سیستمها ممکن است نسبت به جنبههای دیگر به فرآیند خطی نزدیکتر باشند. به هر حال ماهیت غیر خطی بودن برای ما کاملاً آشکار نیست. به همین دلیل به نظر میرسد با ترکیب مدلهای خطی و غیرخطی بتوان نتایج مدلسازیهای هیدرولوژیکی را افزایش داد. استفاده از مدلهای سری زمانی یکی از راههای کاربردی در شبیه سازی ...
full textپیش بینی دبی جریان رودخانه با استفاده از داده کاوی و سری زمانی
شبیهسازی جریان رودخانه بهمنظور آگاهی از دبی رودخانه در دورههای زمانی آینده از مسائل مهم و کاربردی است. با توجه به اهمیت اطلاع از دبی جریان در سالهای آینده، در این مطالعه دبی جریان در سه ایستگاه حاجیقوشان، قرهشور و تمر در حوضۀ آبخیز گرگانرود برای سالهای آبی 90-1381 شبیهسازی شد. بهمنظور شبیهسازی از روش آماری سری زمانی در قالب الگوی اتورگرسیون (AR) و دادهکاوی در قالب ماشین بردار پشتیبان...
full textMy Resources
Journal title
volume 27 issue 3
pages 121- 133
publication date 2017-09-23
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023