مقایسه مدل های PAR و MPAR در مدل سازی سری زمانی ماهانه دبی رودخانه تحت تاثیر عوامل هواشناسی (مطالعه موردی: رودخانه نازلوچای)
author
Abstract:
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 متغیره پریودیک آرما جهت مدل سازی دبی ماهانه رودخانه نازلوچای واقع استان آذربایجان غربی در دوره آماری 1390-1341 مورد مقایسه قرار گرفتند. نتایج بررسی و صحت سنجی داده های مدل شده نشان داد که مدل چند متغیره پریودیک آرما به دلیل دخالت پارامترهای هواشناسی بارش و دمای حوضه، از دقت بیشتری نسبت به مدل تک متغیره پریودیک آرما برخوردار است. هم چنین مدل منتخب، نقاط بیشینه و کمینه دبی ها را به شکل مناسبی مدل می کند.
similar resources
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)
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 مد...
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 textپیش بینی جریان ماهانه رودخانه با استفاده از ترکیب مدل های خطی سری زمانی و شبکه های بیزین (مطالعه موردی: رودخانه بختیاری)
یکی از مسائل مهم در مدیریت منابع آب، تهیه و توسعه مدلهای مناسب به منظور پیشبینی دقیقتر فرآیند جریان رودخانهها می-باشد. بدین منظور در مطالعه حاضر برای پیشبینی جریان ماهانه رودخانه بختیاری، در دوره آماری 1395-1334، از مدلهای سری-زمانی خطی (ARMA)، مدل هوشمند شبکه بیزین (BN) و مدل تلفیقی BN-ARMA استفاده شد. عملکرد مدلهای توسعه یافته براساس شاخصهای آماری جذر میانگین مربعات خطا (RMSE)، ضریب ...
full textمقایسه مدل های خطی و غیرخطی سری زمانی در پیش بینی جریان رودخانه (مطالعه موردی: رودخانه باراندوزچای ارومیه)
پیشبینی دقیق جریان رودخانه با استفاده از مدلهای رایج سریهای زمانی، فیزیکی- مفهومی و رگرسیونی در مدیریت علمی منابع آبهای سطحی اهمیت بهسزایی دارد. در این مطالعه دبی جریان روزانه و ماهانه رودخانه باراندوزچای ارومیه در دوره آماری 88-1352، با استفاده از مدلهای سریزمانی خطی آرما[1] و غیرخطی دوخطی مدلسازی شد. برای بررسی ایستایی سریهای جریان از آزمون adf استفاده گردید. نتایج آین آزمون نشان د...
full textپیشبینی دبی ماهانه رودخانه کاکارضا با استفاده از مدلهای سری زمانی، ARIMA فصلی
بررسی و شناخت تغییرات زمانی دبی پایه در مطالعات حوزههای آبخیز بخصوص در فصول با جریان کم اهمیت زیادی دارد. به همین منظور مدلهای مختلف آماری و احتمالاتی ارائه و توسعه دادهشده است. هدف از این پژوهش بررسی سری زمانی30 ساله مربوط به دبی متوسط ماهانه رودخانه کاکارضا در شهرستان سلسله در استان لرستان میباشد. در گام اول توابع خودهمبستگی و خودهمبستگی جزئی دادههای واقعی در نرمافزار XLSTAT ترسیم ...
full textمقایسه مدل های غیرخطی سری زمانی و برنامه ریزی ژنتیک در پیش بینی جریان روزانه رودخانه ها (مطالعه موردی: رودخانه باراندوزچای ارومیه)
در این مطالعه برای پیش بینی جریان روزانه رودخانه باراندوزچای ارومیه در دوره آماری 1388-1352، از مدل غیرخطی سری زمانی دوخطی و روش برنامه ریزی ژنتیک استفاده و نتایج بر اساس شاخص های آماری جذر میانگین مربعات خطا و ضریب همبستگی مورد مقایسه قرار گرفت. در مطالعه حاضر مدل دوخطی BL(1,11,1,1) با داشتن کمترین مقدار معیار اکایکه اصلاح شده به عنوان مدل مناسب سری روزانه انتخاب و پس از انجام آزمون نکویی براز...
full textMy Resources
Journal title
volume 16 issue 52
pages 16- 16
publication date 2018-03-21
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