مقایسه مدل های سری زمانی خودهمبسته با میانگین متحرک و هالت وینترز در پیش بینی بارش
Publish place: Second National Conference on Water Crisis
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,399
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCWC02_095
تاریخ نمایه سازی: 7 آبان 1393
Abstract:
پیش بینی متغیرهای هیدرولوژیکی از جمله بارش نقش مهمی در برنامه ریزی و مدیریت منابع آب دارد. از جمله مدل های پیش بینی کوتاه مدت این پارامترها، مدل های سری زمانی هستند. در تحقیق حاضر، توانایی مدل های مختلف سری زمانی در پیش بینی بارش ماهانه ایستگاه لتیان مورد بررسی قرار گرفت. بدین منظور ابتدا به کمک آزمون من کندال فصلی روند داده ها بررسی گردید و سپس مدل های مختلف خودهمبسته با میانگین متحرک توصیه شده در روش باکس و جنکینز و مدل هالت وینترز بر داده ها برازش داده شد و در نهایت بهترین مدل برای پیش بینی بارش ماهانه انتخاب گردید. نتایج نشان داد که مدل های سری زمانی، مقادیر بارش های پایین و نزدیک میانگین را بهتر برآورد می کنند و تخمین گر مناسبی در بارش های بالا و حدی نیستند. با این حال مدل هالت وینترز نسبت به مدل های آریما نتایج بهتری را در پیش بینی بارش های بالا ارائه می دهد. اما به طور کلی، مدل آریمای 12(100) (011) دارای میزان خطای کمتری در شبیه سازی بارش ماهانه است، اگرچه این مدل در پیش بینی مقادیر بالای بارش چندان کارا نمی باشد.
Keywords:
Authors
لیلا گودرزی
دانشجوی دکتری منابع آب، پردیس ابوریحان، دانشگاه تهران
عباس روزبهانی
استادیار گروه آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران
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 :