استفاده از مدل‌های غیر قطعی در پیش‌بینی دبی متوسط ماهیانه با استفاده از مدل های سری زمانی(مطالعه موردی: چشمه سلیمانیه کاشان)

نویسندگان

---

چکیده

استفاده از انواع مختلف روش‌های تحلیل سری‌های زمانی، از شیوه‌های متداول در پیش‌بینی عوامل هیدرولوژیکی است. در این پژوهش، وضعیت دبی چشمه سلیمانیه کاشان با استفاده از داده‌های 11 ساله (داده‌های ماهیانه) ایستگاه چشمه سلیمانیه با استفاده از مدل‌های مختلف سری زمانی مورد بررسی قرار گرفت. سپس با استفاده از بهترین مدل، اقدام به پیش‌بینی دبی چشمه برای 9 سال آینده گردید. در این پژوهش، داده‌‌ها با استفاده از 12 مدل سری زمانی که شامل مدل‌های اتورگرسیو، میانگین متحرک، اتورگرسیوـ‌ میانگین متحرک مرکب و مدل‌های فصلی و غیرفصلی باکس و جنکینز بودند، بررسی شدند. در نهایت با توجه به اینکه در مدلSARIMA (1,1,0) (1,1,1) [12]، مقدار AIC کمترین و پارامترهای مدل از عدد یک تجاوز نکردند، این مدل به منظور پیش‌بینی داده‌های دبی انتخاب شد. در ادامه به منظور بررسی وضعیت نرمال بودن داده‌های پیش‌بینی شده از آزمون کلموگروف‌ـ اسمیرنف استفاده شد. نتایج به دست آمده از آزمون نرمالیته، حاکی از نرمال بودن داده‌های پیش‌بینی شده بود؛ بنابراین با توجه به نتایج به دست آمده، می‌توان نتیجه گرفت که نوع مدل‌های انتخابی به عنوان تابع پیش‌بینی کننده بسیار مهم بوده و بر روی دقت جواب‌های خروجی کاملاً مؤثر است. همچنین با توجه به ماهیت غیرقطعی مسائل هیدرولوژیکی، سری‌های زمانی به عنوان یکی از روش‌های مناسب در پیش‌بینی پدیده‌های هیدرولوژیکی هستند.

کلیدواژه‌ها


عنوان مقاله [English]

Using stochastic models to predict monthly average discharge using time-series models (Case Study: Springs Sulaimaniyah Kashan)

نویسندگان [English]

  • mohammad mirzavand
  • hoda ghasemieh
  • abasali vali
چکیده [English]

Different types of time series analysis models are commonly used for predicting hydrological factors. In this study, the situation of Soleimanieh spring discharge in Kashan was investigated using various time series models and mean monthly flow during 11 year period. Then, spring discharge predicted using the best modals for future 9 years. In this research, the data were analyzed using 12 time series models including Autoregressive, Moving average, Autoregressive-composite moving average, seasonal and non-seasonal models such as Box and Jenkins. Finally, the results showed that the value of AIC is the lowest and model parameters don,t exceed of one in SARIMA (1, 1, 0) (1, 1, 1) [12] model. So, this model was selected to predict discharge data. Then, Komogorov-Smirnov test was used to investigate the normality situation of the predicted data. The obtained results showed that predicted data are normal. Therefore, according to the results, it can be conducted as the type of selected model is very important and it affects the accuracy of output response. Also, according to the uncertain nature of hydrological issues, time series models are one of the best methods in hydrological prediction.

کلیدواژه‌ها [English]

  • time series
  • Sulaymaniyah Springs Kashan
  • Box and Jenkins
  • SARIMA
  • AIC