پیش بینی و تحلیل روند پارامترهای کیفی آب رودخانه با استفاده از مدل سری زمانی AEIMA در حوضۀ آبخیز رودخانۀ کهمان
Authors
Abstract:
رودخانۀ کهمان پرمنفعتترین رودخانۀ شهرستان الشتر از نظر کشاورزی و پرورش ماهی است. به‌دلیل اینکه فرایندهای هیدرولوژی تصادفی‌اند، آمار و احتمال اساس تجزیه و تحلیل پدیدههای یادشده است، بنابراین از سریهای زمانی استفاده میشود. در تحلیل سری زمانی، مرحلۀ اول شامل نمایش نوسان پارامترها در طول زمان است، مرحلۀ دوم ایستا‌سازی دادهها، مرحلۀ سوم نرمالسازی و مرحلۀ چهارم شناسایی پارامترهای مدل است. درنهایت، برای سنجش دقت مدل در پیشبینی از شاخص مجذور میانگین مربعات خطا RMSE و معیار اطلاعاتی آکاییکه AIC استفاده شد. در این تحقیق روند تغییرات زمانی سه پارامتر ,pH HCO3 و Na که از پارامترهای مؤثر بر کیفیت آب شرب و کشاورزی هستند، در ایستگاه دره‌تنگ رودخانۀ کهمان طی سالهای آماری 1366 تا 1392 مطالعه شد. سپس بر‌اساس نمودارهای سری زمانی دادهها و همچنین نمودار خودهمبستگی جزئی، مدل ARIMA فصلی ضربی از بین مدلهای سری زمانی انتخاب و در نرمافزارهای XLSTAT و MINITAB استفاده شد. برای HCO3 مدل بهینه برای پیشبینی 4(1،1،1)*(1،1،1) ARIMA و برای pH، 4(1،1،1)*(1،1،1) ARIMA تشخیص داده شد؛ ولی برای Na هیچیک از مدلهای ARIM مناسب تشخیص داده نشد. HCO3 معمولاً روند افزایشی دارد. محدودۀ تغییرات pH طبق نمودار سریهای زمانی در محدودۀ بهینه 5/6 تا 5/8 قرار دارد. Na به‌دلیل نبود سازندهای نمکی در حوضۀ آبخیز رودخانۀ کهمان معمولاً روند ثابتی دارد و افزایشی نیست.
similar resources
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 textپیش 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 textتحلیل و پیش بینی نوسانات تراز آب دریای خزر با استفاده از مدل های استوکستیک سری زمانی
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 ...
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 textپیش بینی رسوب معلق با استفاده از مدل سری زمانی تابع انتقال در ایستگاه های منتخب رودخانه گرگانرود، استان گلستان
full text
پیش بینی سیلاب از طریق داده های سری زمانی دبی رودخانه سومبار با استفاده از مدل باکس _جنکینز
امروزه یکی از مهمترین مسائل جهت مدیریت سیلاب، پیش بینی جریان رودخانه ها می باشد. جلوگیری از صدمات اقتصادی و جانی ناشی از سیلاب یکی از مهمترین دستاوردهای پیش بینی صحیح جریان می باشد. فاکتورها و عوامل مختلفی بر روی دبی رودخانه تاثیر گذار است که تحلیل این پدیده را مشکل می سازند. مدلهای فیزیکی-مفهومی، رگرسیونی و سری های زمانی از معمولترین روشهای تحلیل جریان رودخانه می باشند در این تحقیق با استفاده ...
full textMy Resources
Journal title
volume 4 issue 1
pages 65- 73
publication date 2017-03-21
By following a journal you will be notified via email when a new issue of this journal is published.
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023