مقایسه مدل های سری زمانی خودهمبسته با میانگین متحرک و هالت وینترز در پیش بینی بارش

چکیده مقاله

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

کلیدواژه‌ها

نویسندگان

لیلا گودرزی

دانشجوی دکتری منابع آب، پردیس ابوریحان، دانشگاه تهران

عباس روزبهانی

استادیار گروه آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران

گودرزی، لیلا و روزبهانی، عباس،1393،مقایسه مدل های سری زمانی خودهمبسته با میانگین متحرک و هالت وینترز در پیش بینی بارش،دومین همایش ملی بحران آب (تغییر اقلیم، آب و محیط زیست)،شهرکرد

ارائه‌شده در

مجموعه مقالات دومین همایش ملی بحران آب (تغییر اقلیم، آب و محیط زیست)18 شهریور 1393 · شهرکرد