توصيفگر ها :
سري زماني , حوضه زاينده رود , sarima , arima , r2 , mse
چكيده فارسي :
كشور ايران از جمله كشورهاي كم آب جهان شمرده مي شود. كشور ايران به 6 زير حوضه تقسيم مي شود و حوضه ي زاينده رود زير حوضه ي فلات مركزي به شمار مي رود. اين زير حوضه داردكه از آب و هواي مرطوب معتدل سرد تا گرم و خشك متفاوت است. در اين مطالعه به بررسي، تحليل وپيش بيني پارامتر هاي هواشناسي بارندگي، دماي بيشينه، دماي كمينه، ساعت آفتابي، رطوبت بيشينه، رطوبت كمينه و سرعت باد در7 ايستگاه اصفهان، شرق اصفهان، داران، شهرضا، نجف آباد، كبوترآباد و مباركه با استفاده از سري زماني پرداخته شده است. بازه هاي زماني استفاده شده 7روزه، 15روزه، 30روزه، فصلي و روزانه هستند به غير از بارندگي كه در دوره هاي زماني 30روزه، فصلي و 6ماهه بررسي شده است. در ابتداي مدلسازي داده پرت با روش نمودار جعبه اي و نرمال ، روند با روش ناپارامتري من كندال و همگني با روش هايSNH وانحراف تجمعي و ون نيومن بررسي شد و ايستايي از روش هاي ريشه واحد و kpss بررسي شد. مدلسازي از طريق نمودار هاي خودهمبستگي و خودهمبستگي جزيي بدست آمد و از معيارهاي آكاييك، شوارتز و حنان كويين استفاده شد. آزمون هاي نرمال بودن كولموگروف اسميرنوف و جارك برا به كار گرفته شد و آزمون هاي دوربين واتسون و پرت مانتو جهت درستي مدل بررسي شد. در پارامتر بارندگي عمدتا مدل SARIMA در بازه زماني 30 روزه و ARIMA در بازه فصلي و 6ماهه بدست آمد و در پارامتر دماي بيشينه و كمينه در بازه هاي زماني 15و 30روزه به صورت SARIMA و 7روزه، فصلي و روزانه به صورت ARIMAبدست آمد. در پارامتر رطوبت بيشينه و كمينه در بازه هاي زماني 15و 30روزه به صورت SARIMA و بازه هاي زماني 7روزه، فصلي و روزانه به صورت ARIMAبدست آمد. در پارامتر ساعت آفتابي در بازه هاي زماني 7و 15و 30روزه به صورت SARIMA و بازه هاي زماني فصلي و روزانه به صورت ARIMAبدست آمد. در پارامتر سرعت باد در بازه هاي زماني7و 15و 30روزه به صورت SARIMA و بازه هاي زماني فصلي و روزانه به صورت ARIMAبدست آمد. در جهت نكويي برازش مقادير پيش بيني شده از نظر R2 بررسي شد و بازه ي آن از 0.95تا 0.7بدست آمد، از نظر خطا همگي از درصد خطاي كمتر از 25درصد برخوردار بودند و همچنين خطاي MSE نيز برآورد شده. جهت اعتبار سنجي دوره زماني 7 روزه از 14 داده،15روزه از 30 داده، فصلي از 24 داده ،روزانه از700 داده و 6ماهه از 12 داده استفاده شد. همچنين بدست آمد كه داده ها با بازه زماني 15روزه و30 روزه وفصلي از نتايج بهتري برخوردار بودند و پارامتر هاي بارش و رطوبت همچنان از روند كاهشي و در پارامترهاي دما و سرعت باد نيز همچنان از روند افزايشي برخوردار است.
چكيده انگليسي :
Iran is considered one of the water-scarce countries in the world. Iran is divided into 6 sub-basins and Zayandehrud basin is under the Central Plateau basin. It has a sub-basin that varies from cold temperate to hot and dry. In this study, meteorological parameters of rainfall, maximum temperature, minimum temperature, sundial, maximum humidity, minimum humidity and wind speed were investigated, analyzed and predicted using 7 stations in Isfahan, East Isfahan, Daran, Shahreza, Najafabad, Kabutarabad and Mobarakeh. From the time series. The time periods used are 7-day, 15-day, 30-day, seasonal and daily, except for rainfall, which is examined in 30-day, seasonal and 6-month time periods. At the beginning of Pert data modeling by box and normal diagram method, the trend was investigated by non-parametric Mann-Kendall method and homogeneity by SNH, cumulative deviation and Van Newman methods, and static by single root and kpss methods were investigated. Modeling was obtained through autocorrelation and partial autocorrelation diagrams and Akayek, Schwartz and Hannan Quinn criteria were used. Kolmogorov-Smirnov and Jark bera tests were used for normality, and Durbin Watson and Pert Manto camera tests were performed for model accuracy. In the rainfall parameter, mainly SARIMA model was obtained in 30-day period and ARIMA in seasonal and 6-month periods, and in the maximum and minimum temperature parameters in 15 and 30-day periods as SARIMA and 7-day, seasonal and daily as ARIMA. In the parameter of maximum and minimum humidity in 15 and 30 day intervals as SARIMA and 7-day, seasonal and daily intervals as ARIMA. In the parameter of sundial in 7, 15 and 30 day intervals as SARIMA and seasonal and daily time intervals as ARIMA. In the wind speed parameter in 7, 15 and 30 day intervals as SARIMA and seasonal and daily time intervals as ARIMA. In order to improve the fit of the predicted values in terms of R2 and ranged from 0.95 to 0.7, in terms of error all had a percentage of error less than 25% and also the MSE error was estimated. 7-day period of 14 data, 15-day period of 30 data, quarterly of 24 data, daily of 700 data and 6-month period of 12 data were used for validation. It was also found that the data had better results with 15-day, 30-day and seasonal intervals, and precipitation and humidity parameters are still decreasing and in temperature and wind speed parameters are still increasing.
Keywords
