تحلیل توانایی مدل میانگین متحرک جامع خود همبسته برای پیش بینی دو سال آینده ی جریان روزانه ورودی به مخزن سد دز

Publish Year: 1391
نوع سند: مقاله ژورنالی
زبان: Persian
View: 201

This Paper With 12 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_WATER-2-3_005

تاریخ نمایه سازی: 8 اسفند 1400

Abstract:

یکی از روش های معمول در پیش بینی جریان رودخانه ها، مدل های سری زمانی می باشند. در این تحقیق به منظور پیش بینی آبدهی روزانه ی ایستگاه تله زنگ واقع در بالادست سد دز از مدل میانگین متحرک جامع خود همبسته (ARIMA) استفاده شده است. با توجه به اینکه این داده ها دارای نوسانات فصلی می باشند، با بهره گیری از سری فوریه، شاخص های آماری آن ها، نظیر میانگین و انحراف معیار برای دوره ۲۸ ساله با پریود ۳۶۰ روزه برآورد شدند. سپس، داده های مشاهداتی آبدهی روزانه، توسط این شاخص های آماری استاندارد شدند. بررسی داده های استاندارد شده، نشان داد که روند فصلی داده ها، توسط عوامل محاسبه شده ی سری فوریه حذف شده است. در این تحقیق، برازش مدل های مختلف میانگین متحرک جامع خود همبسته به داده های استاندارد شده بررسی شده و درنهایت با استفاده از معیار آکائیک و در نظر گرفتن حداقل تعداد عوامل مدل ها، بهترین مدل انتخاب گردید. نتایج پیش بینی توسط مدل انتخابی نشان داد که این مدل توانسته است به طور نسبی روند آبدهی متوسط روزانه ی ورودی به مخزن سد دز برای دو سال آینده پیش بینی نموده و در مقایسه نتایج آن با تحقیقات گذشته نشان می دهد که میانگین قدر مطلق خطای نسبی پیش بینی آبدهی روزانه از۱۲/۳، به ۶/۰ تنزل پیدا کرده و طول دوره پیش بینی از ده روز به دو سال افزایش یابد.

Keywords:

آریما (ARIMA) , پیش بینی جریان روزانه , روند فصلی داده ها , سری فوریه , سد دز

Authors

محمد ابراهیم بنی حبیب

استادیار دانشگاه تهران

ریحانه بندری

منابع آب، دانشگاه تهران، پردیس ابوریحان

سعید موسوی ندوشنی

استادیار گروه مهندسی آب، دانشگاه صنعت آب و برق (شهید عباسپور

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :