مدلسازی و پیشبینی حداکثر دبی لحظه ای با استفاده از مدلهای خطی سری زمانی (مطالعه موردی: ایستگاه کرژال رودخانه ذاب)
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 722
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICSAU02_0328
تاریخ نمایه سازی: 16 خرداد 1394
Abstract:
پیشبینی دقیق جریان رودخانه ها در مدیریت علمی منابع آبهای سطحی اهمیت بسزائی دارد. استفاده از مدلهای سری زمانی یکی از راههای کاربردی در شبیه سازی و پیش بینی داده های هیدرولوژیک از جمله دبی جریان است. یکی از مشکلات عمده در استفاده از مدل های سری زمانی در پیشبینی داده های هیدرولوژیک، نحوه تولید داده های تصادفی است. به علت پیچیدگی و عدم داشتن دانش کافی در مورد فرایندهای فیزیکی موجود در چرخه هیدرولوژیکی، ساخت مدلهای آماری و گسترش آنها برای بیان این فرایندها همیشه مورد توجه مهندسین بوده است. همچنین اساس بسیاری از تصمیم گیریها در فرایندهای هیدرولوژیکی و بهره برداری از منابع آب بر پایه پیشبینی و تحلیل سریهای زمانی میباشد. در این مطالعه با استفاده از داده های سری زمانی حداکثر دبی لحظه ای رودخانه ذاب در محل ایستگاه کرژال در دوره آماری 1360 تا 1390 ، مدلهای خطی سری زمانی خانواده آرما مورد بررسی قرار گرفت. نتایج نشان داد که مدل ARMA(1,0) از بین مدلهای مورد بررسی از خانواده آرما با توجه به معیار آکاییکه و همبستگی بین داده های تاریخی و مدل شده به عنوان مدل برتر شناخته شد و توسط مدل منتخب، سری زمانی مورد مطالعه تا سال 1399 پیشبینی گردید. نتایج مدلسازی داده های مورد بررسی نشان داد که مدل منتخب، مدل مناسبی جهت مدلسازی داده های مورد بررسی در منطقه مورد مطالعه خواهد بود. همچنین نتایج نشان پیشبینی داده های مورد مطالعه نشان داد که کمترین میزان دبی حداکثر لحظه ای متعلق به سال 1394 خواهد بود.
Keywords:
Authors
کیوان خلیلی
استادیار گروه مهندسی آب، دانشگاه ارومیه
محمد ناظری تهرودی
کارشناس ارشد منابع آب، مهندسین مشاور رواناب غرب پایدار
محمد علی گلشن
دفتر مطالعات پایه شرکت آب منطقه ای استان آذربایجان غربی
مهرنگ دوستی رضایی
دفتر مطالعات پایه شرکت آب منطقه ای استان آذربایجان غربی
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 :