توسعه مدل سری زمانیARIMA فصلی و بررسی عملکرد مدل در شبیه سازی بارندگی ماهانه
نویسنده
چکیده مقاله:
بارندگی یکی از مولفههای مهم چرخه هیدرولوژیکی است که فرآیندهای سطحی و اتمسفریک را بهم مرتبط میسازد. بنابراین مدلسازی و برآورد دقیق پارامتر در مدیریت منابع آب، برنامهریزی آبیاری، مدیریت کشاورزی و تخصیص آب مورد نیاز است. مدل SARIMA از مدلهای مرسوم در شبیهسازی بارندگی ماهانه میباشد. از نکات ضعف مدل نادیده گرفتن تغییرات بین ماه در هر سال است. بنابراین هدف این مقاله، توسعه مدل SARIMA با در نظر گرفتن تغییرات بینسالی، بینماه و مقایسه عملکرد آن با مدل SARIMA در ایستگاه اردبیل میباشد. تحلیل خوشهای با روش Ward's جهت خوشهبندی سریهای زمانی بارندگی ماهانه و مدل رگرسیون خطی جهت تعیین رابطه بین مشخصههای آماری هر خوشه و مقادیر بارندگی ماهانه استفاده شدند. درصد کاهش آمارههای RRMSE، RMSE، MAE از مدل SARIMA به مدل SARIMA توسعهیافته بهترتیب 05/24، 24/17 و 48/28، بیانگر عملکرد قابل قبول مدل توسعهیافته بود. در مقایسه مقادیر مشاهداتی و شبیهسازی، مدل توسعهیافته دارای تخمین بیشبرآورد میباشد. کاهش 16/51 درصدRRMSE در شبیهسازی بارندگی فصلی نیز بیانگر افزایش دقت مدل توسعهیافته براساس تحلیل خوشهای بود. ضریب همبستگی بین بارندگی شبیهسازی با مدل SARIMA توسعهیافته و مشاهداتی به مقدار زیادی افزایش یافته و به سطح معنیداری رسیده است. بنابراین استفاده از تحلیل خوشهای و توسعه مدل SARIMA میزان دقت عملکرد مدل را افزایش داده است.
منابع مشابه
مقایسه عملکرد دو مدل هیدرولوژیکیIHACRES و GR2Mدر شبیه سازی جریان ماهانه حوضه آبخیز دره تخت
مدلسازی فرایند بارش-رواناب از اهمیت به سزایی برخوردار میباشد. نتایج مدلهای بارش-رواناب به طور مستقیم در مسائلی از قبیل مدیریت منابع آب، کنترل سیلاب و طراحی سازههای هیدرولیکی مورد استفاده قرار میگیرد. با توجه به تنوع مدلهایبارشرواناب دردسترس، انتخاب یک مدل مناسب برای حوضه از جهت بهرهوری و مدیریت منابع آب مهم میباشد.در این پژوهش کارایی دو مدل بارش–رواناب IHACRES و GR2Mدر شبیهسازی جریان...
متن کاملپیش بینی خشکسالی با استفاده از مدل تلفیقی شبکه عصبی مصنوعی- موجک و مدل سری زمانیARIMA
تبدیل موجک یکی از روشهای نوین و بسیار موثر در زمینه تحلیل سیگنالها و سریهای زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، دادههای حاصل بهعنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی برای پیشبینی خشکسالی ارائه میگردد. در این تحقیق، از شبکههای عصبی مصنوعی پرسپترون چند لایه (MLP) و تابع پایهای شعاعی ((RBF، سری زمانی AR...
متن کاملمدل سازی sarima بارندگی های فصلی(مطالعه موردی: الگوسازی و پیش بینی بارندگی در استان خراسان)
باتوجه به قرارگرفتن استان خراسان در ناحیه آب و هوایی خشک و نیمه خشک ایران و وقوع خشکسالی های مکرر در سال های اخیر، اهمیت پرداختن به مقوله پیش بینی خشکسالی بیش از پیش آشکار می شود. یکی از روش های دستیابی به این هدف مدل سازی بارندگی بر اساس الگوهای سری زمانی می باشد. در این تحقیق از آمار بارندگی سالانه یازده ایستگاه سینوپتیک استان خراسان طی سال های 2002 – 1970 استفاده گردید و با استفاده از الگوها...
متن کاملارزیابی تأثیر نرمال سازی توزیع احتمالاتی رواناب ماهانه بر عملکرد مدل های SVM و ANN در شبیه سازی جریان ماهانه رودخانه ها (مطالعه موردی: حوزه زرینه رود)
Accurate estimation of river flows is one of the fundamental activities in water resources management of river basins. Artificial neural network (ANN) and support vector machine (SVM) are the most important data mining models that can be considered for this purpose. Due to the data-based attribute of these models, probability distribution of data may have a considerable effects on their pe...
متن کاملمقایسه عملکرد الگوریتم های مختلف شبکه عصبی مصنوعی در مدل سازی بارندگی فصلی مطالعه موردی؛ ایستگاه های منتخب استان خوزستان
متن کامل
مقایسه دقت پیش بینی مدل های باکس- جنکینز در مدل سازی بارندگی فصلی(مطالعه موردی: ایستگاه های منتخب استان خوزستان)
بنا بر اهمیت روز افزون تأمین آب در کشور، مدیریت منابع آب از اهمیت ویژه ای برخوردار است. پیش بینی بارندگی به عنوان یکی از مهمترین پارامترهای اقلیمی از اهمیت ویژه ای در استفاده از منابع برخوردار است. برای پیش بینی بارش می توان از سری های زمانی استفاده کرد. پژوهش حاضر در سه ایستگاه منتخب (اهواز، آبادان و دزفول) از استان خوزستان به منظور مقایسه دقت مدل های باکس- جنکینز انجام شده است. برای این منظور...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 10 شماره 1
صفحات 121- 134
تاریخ انتشار 2019-10-23
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023