ارزیابی مدل های سری زمانی به منظور برآورد متوسط دمای ماهانه در ایستگاه های سینوپتیک قدیمی ایران طی دوره آماری ۲۰۰۵-۱۹۷۷

با توجه به تاثیر دما در شرایط اقلیمی هر منطقه و اهمیت پیش­بینی آن در برنامه­ریزی­های محیطی، استفاده از روش­های آماری به­منظور مطالعه تغییرات و پیش­بینی دما، کاربرد وسیعی پیدا کرده است. روش­های آماری ابزارهایی کارآ و مفید برای درک و ارزیابی رفتار اقلیم به­شمارمی­روند. از الگوهای آماری پرکاربرد در این زمینه، می­توان به الگوهای خانواده آریما اشاره نمود. در این الگوی آماری مقادیر براساس رفتارهای گذشته­ مدل­سازی شده و سپس پیش­بینی می­شوند. در پژوهش حاضر، با استفاده از مدل­های خانواده آریما، ابتدا با بررسی وجود یا عدم وجود روند و ارزیابی توابع خودهمبستگی(ACF)و خودهمبستگی جزئی(PACF)در دوره آماری (۲۰۰۵-۱۹۷۷)، مدل­های سری زمانی مختلف به داده­های میانگین دمای ماهانه در ایستگاه­های سینوپتیک ایران برازش داده شد. سپس با استفاده از معیار آکائیک و بیزی شوارز بهترین مدل از میان مدل­های به­کار گرفته شده برای هر ایستگاه انتخاب گردید .نتایج این مطالعه بیانگر قابلیت مدل­های غیر فصلی آریما برای تعیین روند پارامتر دما در گستره ایران می­باشد. به کمک الگوهای آماری بدست آمده برای هر ایستگاه می­توان پارامتر دما را در مقیاس ماهانه در دوره­های آتی پیش­بینی نمود.

Keywords:

آریما , ایران , دما , سری زمانی