پیشبینی دبی ماهانه رودخانه کاکارضا با استفاده از مدلهای سری زمانی، ARIMA فصلی
نویسندگان
چکیده مقاله:
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.
منابع مشابه
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...
متن کاملپیش 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...
متن کاملمدلسازی 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...
متن کاملمقایسه 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، ...
متن کاملپیش 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...
متن کاملهم 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 اولمنابع 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 9 شماره 4
صفحات 75- 86
تاریخ انتشار 2018-03
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 برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023