هدف اصلی از مدل سازی سری های زمانی دادن نظم خاص به مشاهدات وابسته به زمان است تا بر اساس آن ها بتوان پیش بینی هایی را برای آینده انجام داد. مهم ترین هدف از تجزیه و تحلیل سری های زمانی یافتن روند تغییرات و پیش بینی آینده آن است. هدف پژوهش حاضر مطالعه و پیش بینی تغییرات بیشینه دمای شیراز برای دوره اقلیمی (2020-2011) با استفاده از مدل های باکس و جنکیز است. در ابتدای پژوهش برای جلوگیری از بایاس بود...

روش های آماری یکی از ابزار های مفید برای تحلیل و بررسی رفتار عناصر اقلیمی به شمار می رود،علاوه بر این ،این روش ها امکان مدل سازی و آینده نگری رفتار عنصر مورد نظر را با دقت بالایی فراهم می سازند. در این مقاله رفتار سری زمانی دمای سالانه زنجان طی دوره آماری 2005-1956 بررسی شده است. در این راستا براساس خودهمبستگی نگار، ضریب همبستگی و روش های اسپیرمن و مان – کندال وجود روند در داده ها مشخص شد. میزا...

باتوجه به کاهش منابع آب به خصوص در کشور ایران، پیش بینی جریان رودخانه اهمیت زیادی یافته و لازم است از بهترین روش ها استفاده گردد. بدین منظور روش های خطی و غیرخطی زیادی وجود دارد. ازآنجایی که تشخیص خطی یا غیرخطی بودن دبی ماهانه دشوار است، در این پژوهش عملکرد برخی مدل های خطی و غیرخطی در پیش بینی جریان ماهانه ی رودخانه ی جامیشان واقع در استان کرمانشاه بررسی گردید. این مدل ها شامل مدل های خودهمبست...

بارش از متغیرترین عناصر اقلیمی است که در تعیین نقش و پراکندگی دیگر عناصر اقلیمی می تواند موثر باشد. بدنبال پدیده گرم شدن زمین ، الگوی گردش عمومی جو و الگوی زمانی - مکانی بارش نیز تغییر یافته است. شناسایی تغییرات اقلیمی به طور عام ، و بارش به طور خاص ، از طریق تحلیل سری های زمانی عنصر مربوط دارای اهمیت و مناسب خواهد بود. در پژوهش حاضر تغییرات زمانی سری زمانی بارش سالانه شهر زنجان و برخی مشخصات آ...

مدل خودرگرسیو میانگین متحرک انباشته (ARIMA) که تحت عنوان روش باکس و جنکینزشناخته می‌شود، یکی از پرکاربردترین مدل‌ها در پیش‌بینی سری‌های زمانی است. اما پیش­ فرض اصلی این مدل خطی بودن سری­های زمانی می­باشد. از سوی دیگر شبکه­ی عصبی یک تخمین زننده­ی عمومی است که الگو­های غیر خطی را بسیار خوب مدل­سازی می­نماید. دانستن الگوی داده­ها مبنی بر خطی و غیر خطی بودن در واقعیت کمی دشوار است، بنابراین این اید...