پیشبینی دبی ماهانه رودخانه کاکارضا با استفاده از مدلهای سری زمانی، ARIMA فصلی
Authors
Abstract:
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 و سپس دادهها با استفاده از روش باکس کاکس نرمال شدهاند. در گام بعدی روند دادهها که نشاندهنده نا ایستایی دادهها بود تعیین شد. سپس با استفاده از روش عملگر تفاضل در نرمافزار MINITAB روند دادهها حذف و مدل با توجه به معیار آکائیک (AIC) شناسایی و مناسب با کمترین آکائیکه انتخاب شد. در آخر چهار دورهی 12، 24، 60 و 84 ماهه پیشبینی گردید. نتایج حاکی از آن بود که مدل انتخابی در دورهی 12 ماهه دارای ضریب نش-سات کلایف 85/. میباشد. بنابراین، دورهی کوتاهمدت 12 ماهه، توانست پیشبینی مناسبتری را نشان دهد.
similar resources
ارزیابی کارایی مدل سری زمانی SARIMA در شبیهسازی دبی متوسط ماهانه ی رودخانههای افرینه کشکان و کاکارضا (استان لرستان)
چکیده بررسی و شناخت تغییرات زمانی دبی پایه در مطالعات حوضههای آبخیز بخصوص در فصول با جریان کم، اهمیت زیادی دارد. هدف از این پژوهش بررسی و مقایسه کارایی سری زمانی30 و 56 ساله به ترتیب مربوط به دبی متوسط ماهانه رودخانهی کاکارضا در شهرستان سلسله و رودخانهی افرینه کشکان در شهرستان پلدختر در استان لرستان میباشند. بدین منظور ابتدا اقلیم دو منطقه تعیین و در گام بعد، توابع خود همبستگی و خودهمبستگ...
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 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 textمقایسه مدلهای هوشمند در تخمین بارش ماهانه حوضه کاکارضا
برآورد بارش برای اجرای طرح های مطالعات منابع آب، خشکسالی، طرح های آمایش سرزمین، محیط زیست، آبخیزداری و طرح های جامع کشاورزی ضروری می باشد. در این پژوهش جهت تخمین بارش ماهانه دشت کاکارضا واقع در استان لرستان از مدل برنامه ریزی بیان ژن استفاده شد و نتایج آن با سایرروشهای هوشمند از جمله سیستم استنتاج فازی_عصبی و شبکه عصبی مصنوعی مقایسه گردید. برای این منظور از پارامترهای میانگین دما، رطوبت نسبی، ...
full textپیش بینی دبی جریان رودخانه با استفاده از داده کاوی و سری زمانی
شبیهسازی جریان رودخانه به منظور آگاهی از دبی رودخانه در دوره های 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 حاجی قوشان، قره شور و تمر در حوضۀ آبخیز گرگانرود برای سالهای آبی 90-1381 شبیهسازی شد. به منظور شبیهسازی از روش آماری سری زمانی در قالب الگوی اتورگرسیون (ar) و داده کاوی در قالب ماشین بردار پشتیبان...
full textهم انباشتگی در مدلهای سری زمانی فصلی
در این پایان نامه ابتدا به مرور مفاهیمی چون فرآیندهای تصادفی، سریهای زمانی مانا و نامانا، ریشه های واحد و آزمونهای ریشه واحد پرداخته و در ادامه به بیان مفهوم هم انباشتگی، مدلهای تصحیح خطا و آزمونهای مربوطه پرداخته و سپس ریشه های واحد و هم انباشتگی در سری های زمانی فصلی، برآورد مدل آنها و آزمونهای مربوطه را ارائه خواهیم داد.
15 صفحه اولMy Resources
Journal title
volume 9 issue 4
pages 75- 86
publication date 2018-03
By following a journal you will be notified via email when a new issue of this journal is published.
No Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023