محمد فیلی
سعید کامرو

در مدل های سری زمانی تک متغیره تلاش می شود تا متغیرها را بر اساس مقادیر گذشته آنها و همچنین بر اساس مقادیر جاری و گذشته جملات خطا، مدلسازی و پیش بینی نمایند. این مدل ها در مقابل مدل های ساختاری قرار دارند. مدل های ساختاری دارای ماهیت چند متغیره بوده و تغییرات یک متغیر را توسط تغییرات جاری و گذشته متغیرهای دیگر توضیح میدهند. مدل های سری زمانی مربوط به خانواده مدل های ARIMA ( autoreressive integrated moving (average هستند که عمدتا بر مبنای روش باکس و جنکینز (1976) مدل سازی می شوند. هنگامی که یک مدل ساختاری مناسب وجود ندارد، مدل های سری زمانی می توانند مفید باشند. بنابراین نقش تیوری ها در مدل سازی سری های زمانی کم رنگ می شود. این شیوه می تواند ناشی از فقدان تیوری یا مغشوش بودن نظریه ها و یا عدم دسترسی به داده های متغیرهای توضیحی باشد[1]. در انجام این مطالعه از داده های سری زمانی مصرف انرژی بادی آمریکا که از سال 2007 تا 2016 از سایت Economagic . com جمع آوری شده، استفاده شده است. داده های این متغیر از سال 1989 موجود است ولی به علت تغییر در رفتار این متغیر در طول زمان نمی توان آن را به صورت یکجا تحلیل نمود. لذا داده های سال های دور از مطالعه حذف و تمرکز بر روی داده های جدید صورت پذیرفت. واحد متغیر انداز گیری شده کوادریلیون بی تی یو است. هر بی تی یو را می توان بر طبق وات ساعت، ژول و کالری بیان نمود که در رابطه 1 معادله روابط آنها آورده شده است.