تحلیل و پیش بینی نوسانات تراز آب دریای خزر با استفاده از مدل های استوکستیک سری زمانی

Authors

Abstract:

Forecasting of sea level fluctuations is a suitable tool for comprehensive management of the sea and the protection of coastal areas. On the other hand, application of time series analysis for forecasting purposes has been evaluated to be very appropriate. Therefore, two time series consisting monthly measured sea level data were used in the present research. The data have been recorded at two stations of Anzali and Noushahr in the southern part of the Caspian sea for time lengths of 40 and 14 years, respectively. The nonparametric Mann-Kendall test was employed to determine if measurements exhibit an increasing or decreasing trend. In the next step, different methods of forecasting and modeling of time series including Auto Regressive Integrated Moving Average and Multiplicative ARIMA method were fitted to the data. Then, Akaike Information Criterion was applied to assess the ability and accuracy of fitted methods in forecasting of sea level in future months and to determine the best time series model. The results of forecasting in the final models reveal that the performance of the Multiplicative ARIMA method based on time series analysis, to estimate and simulate the stochastic behavior of the Caspian sea level is acceptable. Meanwhile, the length of the forecast period in the models has increased significantly in comparison with previous researches.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تحلیل و پیش بینی نوسانات تراز سطح آب دریاچه ارومیه با استفاده از مدل ARIMA

این تحقیق به منظور بررسی نوسانات تراز سطح آب دریاچه ارومیه و ارائه مدلی مناسب جهت پیش بینی نوسانات تراز سطح آب صورت گرفته است. آمار ماهانه تراز آب دریاچه در دوره آماری (1392- 1345) مورد استفاده قرار گرفت و همگنی آنها توسط آزمون توالی بررسی شد. سپس داده‌ها مورد آزمون‌های ایستایی میانگین و واریانس قرار گرفت تا با ایجاد مرتبه در سری، ناایستایی سری از بین برود. رفتار ماهانه سری با استفاده از تفاضل‌...

full text

پیش بینی نوسانات سطح آب زیر زمینی با استفاده از مدل‌های سری زمانی و GMS (مطالعۀ موردی: دشت رفسنجان)

آگاهی از تغییرات بارش به عنوان یک مؤلفۀ هیدرولوژیکی در منابع آب، مهم و ضروری است تا با ارائۀ راه‏کارها و روش‏های مدیریتی مناسب، به بهره‏برداری مناسب از آب‏های زیرزمینی در مناطق خشک و نیمه‏خشک با توجه به کمبود بارش در این مناطق پرداخت. با توجه به اهمیت موضوع، در پژوهش حاضر پیش‏بینی نوسانات سطح آب زیرزمینی تحت تأثیر مدل‏های سری زمانی در دشت رفسنجان صورت گرفت. بارش آینده با استفاده از مدل ARIMA در...

full text

کاربرد مدل شبکه عصبی- موجک برای پیش بینی ویژگی های غیرایستا و غیرخطی سری زمانی تراز آب زیرزمینی

سفره ‏های آب زیرزمینی غالباً به عنوان سیستم ‏هایی با ویژگی ‏های غیرایستا و غیرخطی شناخته می ‏شوند. مدل‏ سازی این سیستم ‏ها و پیش ‏بینی حالت ‏های آینده آن ‏ها نیازمند تشخیص این ویژگی‏ های بنیادی است. اخیراً، آنالیز موجک به دلیل توانایی آن در رمزگشایی ویژگی‏ های اشاره‏ شده، به طور گسترده ‏ای در زمینه پیش ‏بینی سری‏ های زمانی هیدرولوژیکی مورد استفاده قرار گرفته ‏است. در این مقاله توانایی مدل ترکیبی ...

full text

تحلیل فرکانسی و پیش بینی تغییرات سطح تراز آب خزر جنوبی با استفاده از داده های ارتفاع سنجی میدانی

در این تحقیق با استفاده از داده های میدانی،نوسانات تراز آب ایستگاه های انزلی نکاو نوشهر در سواحل خزر جنوبی مورد تحلیل وپیش بینی قرارگرفته است.از داده های میدانی ارتفاع سنجی ایستگاه انزلی به مدت 10 سال ،ایستگاه نوشهر به مدت 6سال و ایستگاه نکاء به مدت 9 سال استفاده شده است. جهت تحلیل این اندازه گیری ها از روش آنالیز فوریه ، سریهای زمانی و تحلیل فرکانسی استفاده شده است. طیف فرکانسی حدود 08/0 همراه...

full text

بررسی نوسانات دریای خزر با استفاده از سری زمانی و مدل های مبتنی بر شبکه عصبی

دریای مازندران بزرگترین دریاچه جهان محصور به خشکی است .سالیان متمادی پیشروی آب دریای خزر موجب خسارت های زیادی شد.درراستای تهدید جدی نوسانات آب دریای مازندران، محققین به دنبال روش مناسب برای بررسی این ضرورت بودند.دراین تحقیق بااستفاده از سری زمانی ماهانه سطح آب دریاچه، در ایستگاه انزلی در طی سالهای 2013 - 1970 مدل مناسب برای بررسی رفتار دراز مدت و کوتاه مدت آن بدست آمد. در مقایسه ای که بین روشها...

پیش بینی سری های زمانی کیفیت آب رودخانه سفیدرود با استفاده از مدل های خطی تصادفی

پیش­بینی کیفیت آب رودخانه­ها به منظور مدیریت مناسب حوضه آنها ضروری است، تا بتوان برای کنترل مقدار آلاینده­ها و رساندن آنها به حد مجاز گام­هایی برداشت.  در مقاله حاضر، قابلیت پیش­بینی سری­های زمانی پارامترهای هدایت الکتریکی و کلر ایستگاه آستانه از رودخانه سفیدرود با استفاده از مدل­های خطی تصادفی بررسی شده است.  به منظور پیش­بینی فصلی سری­های زمانی پارامترهای مذکور، از مدل خودهمبسته میانگین متحرک...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 13  issue 25

pages  23- 33

publication date 2017-09

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023