این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
آمایش جغرافیایی فضا، جلد ۵، شماره ۱۷، صفحات ۱۵-۲۵
عنوان فارسی مدلهای تصادفی سری زمانی در پیش بینی بارندگی ماهانه (مطالعه موردی: ایستگاه هاشم آباد گرگان)
چکیده فارسی مقاله در سالهای اخیر محدودیت منابع آبی جهت تامین آب مورد نیاز کشاورزی و غیر کشاورزی موجب بروز مشکلات زیادی شده است و باران یکی از منابع مهم تامین آب به حساب می آید. بارندگی یکی از مهمترین مولفه های ورودی به سیستم های هیدرولوزیکی محسوب می شود که مطالعه و اندازه گیری آن در اکثر موارد برای مطالعات رواناب، خشکسالی، آبهای زیر زمینی، سیلاب، رسوب و ... لازم و ضروری است. بنابراین پیش بینی و برآورد نزولات جوی برای هر منطقه و آبخیز به عنوان یکی از پارامترهای مهم اقلیمی در استفاده بهینه از منابع آبی محسوب می گردد. یکی از روشهای ارزیابی و پیش بینی بارش، استفاده از سریهای زمانی است. هدف از انجام این تحقیق بررسی مناسب ترین مدل جهت تخمین مجموع بارندگی می باشد. برای این هدف، روشها و مدلهای مختلفی وجود دارند که از آن جمله می توان مدلهای سری زمانی اتو رگرسیو (AR)، میانگین متحرک (MA) و مدلهای تلفیقی اتو رگرسیو با میانگین متحرک و مدلهای فصلی (ARIMA و SARIMA) را برشمرد. در این مقاله عملکرد هر یک از مدلهای یاد شده در برآورد و تخمین مقادیر مجموع بارندگی ماهانه در ایستگاه هاشم آباد گرگان طی دوره 2012- 1983 مورد بررسی قرار گرفت. در جهت شناسایی بهتر مدل بدست آمده، باقیمانده ها و خطاهای پیش بینی مورد بررسی قرار گرفته و ضرایب مدل تخمین زده شدند. نشان داده شد که مدل ساریما ی ((2، 0،1: 2، 1، 3)SARIMA) از سایر مدلهای سری زمانی عملکرد بهتری داشته و روند تغییرات سری زمانی را با خطای کمتری شبیه سازی می کند. واژه‌های کلیدی: سری های زمانی، بارندگی ‍، پیش بینی، باقیمانده ها، خطا.
کلیدواژه‌های فارسی مقاله سری های زمانی، بارندگی‍، پیش بینی، باقیمانده ها، خطا،
عنوان انگلیسی Forecasting of Monthly Sum-raining by Stochastic Models in Time Series
چکیده انگلیسی مقاله Abstract: Recently, limiting water resources for agricultural and non agricultural usages pose some difficulties and rainfall is the most important water resource. One of rainfall input component can be considered as of hydrological systems. In most cases for studies of groundwater runoff, floods, droughts, sediment, it is necessary and essential to study and measure. Therefore, for optimal allocation of water resources, forecasting rainfall for a region of special importance. One of the methods of evaluate and forecast of precipitation, is the use of time series. For this purpose, there are a variety of methods and models, such as including models of auto regressive (AR), moving average (MA), Auto regressive integrated moving average (ARIMA) and seasonal Auto regressive integrated moving average (SARIMA). In this article, the performance of any of the models listed on the monthly total precipitation amounts and estimates in the hashimabad district of Gorgan during 1983-2012 were studied. Following the elimination of seasonal effects, trend and irregular variations, an SARIMA model was presented. To ascertain the properties of the proposed model, residuals and errors were examined and the model coefficients were estimated. Finally it shows that the model of SARIMA (3,1,2; 0,1,2) time series models have a better performance and less error time series changes to the simulation. To ascertain the properties of the proposed model, residuals and errors were examined and the model coefficients were estimated. Finally it shows that the model of SARIMA (3,1,2; 0,1,2) time series models have a better performance and less error time series changes to the simulation. Key Words: Time series; Rainfall; Forecast; Residuals; Error.
کلیدواژه‌های انگلیسی مقاله Time Series, Rainfall, Forecast, Residuals, Error
نویسندگان مقاله کامل عبداله نژاد |
عضو هیات علمی

نشانی اینترنتی http://gps.gu.ac.ir/article_11871_5e8817da90ccf021a0215a14dda2aa5d.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات