مرضیه عباس زاده افشار

دانشجوی کارشناسی ارشد منابع آب، دانشگاه ارومیه

[ 1 ] - ارزیابی مدل‌های تلفیقی ARMA-ARCH و BL-ARCH در مدل‌سازی تراز سطح آب دریاچه ارومیه

اکثر مدل­های غیرخطی بر پایه مدل­سازی میانگین خطا توسعه یافته­اند اما مدل­های غیرخطی خودهمبسته با واریانس شرطی، بر پایه مدل­سازی واریانس داده­های سری باقی­مانده استوار هستند. این مدل­ها با ترکیب شدن با مدل­های خطی، تا حدودی دقت مدل­سازی و پیش‌بینی‌ها را افزایش می­دهند. در این مطالعه با استفاده از داده­های تراز سطح آب دریاچه ارومیه در دوره آماری 91-1352، مدل­های خودهمبسته با میانگین متحرک و دو خط...

[ 2 ] - بررسی شاخص خشکسالی PCI و روند تغییرات آن در ایران طی نیم قرن اخیر

بررسی پدیده بارندگی به عنوان یکی از مهمترین عوامل هواشناسی که به صورت مستقیم منابع آب را تحت تاثیر قرار می­دهد، از اهمیت ویژه­ای برخوردار است. بنابراین، در این تحقیق، توسط شاخص پراکندگی بارش (PCI) در مقیاس سالانه به بررسی تغییرات الگوی بارندگی در سطح ایران پرداخته شد. بدین منظور آمار بارندگی ماهانه 25 ایستگاه سینوپتیک کشور ایران در یک دوره 50 ساله (2010-1961) در دو بازه 25 ساله ارزیابی شد و سپس...

[ 3 ] - ارزیابی مدل های تلفیقی AR-ARCH و GAR-ARCH در مدل سازی دبی جریان (مطالعه موردی: رودخانه زرینه‌رود استان آذربایجان غربی)

بسیاری از فرآیندهای مربوط به سیستم‌های طبیعی نسبت به زمان غیر‌خطی بوده اگرچه جنبه‌های خاصی از این سیستم‌ها ممکن است نسبت به جنبه‌های دیگر به فرآیند خطی نزدیکتر باشند. به هر حال ماهیت غیر خطی بودن برای ما کاملا‌ً آشکار نیست. به همین دلیل به نظر می‌رسد با ترکیب مدل‌های خطی و غیرخطی بتوان نتایج مدل‌سازی‌های هیدرولوژیکی را افزایش داد. استفاده از مدل‌های سری زمانی یکی از راه‌های کاربردی در شبیه سازی ...

[ 4 ] - 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...

[ 5 ] - Evaluation of Univariate, Multivariate and Combined Time Series Model to Prediction and Estimation the Mean Annual Sediment (Case Study: Sistan River)

Erosion, sediment transport and sediment estimate phenomenon with their damage in rivers is a one of the most importance point in river engineering. Correctly modeling and prediction of this parameter with involving the river flow discharge can be most useful in life of hydraulic structures and drainage networks. In fact, using the multivariate models and involving the effective other parameter...