کاربرد روش الگوریتم ژنتیک در برآورد پارامترهای سری زمانی خطی به منظور پیش بینی خشکسالی

به­طور متداول برآورد پارامترهای سری زمانی خطی بر اساس روش­های گرافیکی و تقریبی است. بنابراین استفاده از رویکردی جدید جهت افزایش سرعت و سهولت در دسترسی به بهترین مدل سری زمانی می­تواند نقش مهمی در استفاده از این روش در پیش­بینی وقایع هیدرولوژیک داشته باشد. در این تحقیق جهت تخمین پارامترهای سری زمانی آرما از رویکرد بهینه­سازی بر مبنای الگوریتم ژنتیک استفاده شده است. در این مطالعه با استفاده از روش ترکیبی الگوریتم ژنتیک – آرما پیش­بینی خشکسالی در سه ایستگاه منتخب حوضه آبریز دریاچه ارومیه شامل تبریز، سقز و ارومیه بر اساس شاخص خشکسالی SPEI مورد بررسی قرار گرفت. نتایج نشان داد که بر اساس آزمون BDS در هر سه ایستگاه و در همه مقیاس­های زمانی سری قابلیت پیش­بینی پذیری را دارد. همچنین به منظور بررسی میزان قابلیت اطمینان به مدل پیش­بینی، از آماره Ljung-Box استفاده شد که مقادیر p-value آن در همه ایستگاه­ها و مقیاس­های زمانی بزرگتر از ۰۵/۰ می­باشد که نشانگر تصادفی بودن باقی­مانده­های مدل و قابل اطمینان بودن آن است. همچنین بهترین مدل سری زمانی در مقیاس­های زمانی مختلف محاسبه و بر اساس آن پیش­بینی شاخص SPEI انجام گرفت. نتایج بخش پیش­بینی نشان داد که روش ترکیبی الگوریتم ژنتیک – آرما در مقیاس­های زمانی بلندمدت شاخص SPEI در همه ایستگاه­ها از دقت مناسب برخوردار است، ولی در مقیاس­های زمانی کوتاه­مدت عملکرد آن مناسب نمی­باشد.

Keywords:

الگوریتم ژنتیک , تخمین پارامتر , خشکسالی , دریاچه ارومیه , سری زمانی