زمان پاسخگویی تنها روزهای زوج ساعت 8 الی 10 صبح 

   [صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ارسال مقاله :: پیشکسوتان جغرافیا :: ثبت نام :: تماس با ما ::
:: دوره 29، شماره 3 - ( 9-1393 ) ::
جلد 29 شماره 3 صفحات 61-72 برگشت به فهرست نسخه ها
مقایسه دقت پیش بینی مدل های باکس- جنکینز در مدل سازی بارندگی فصلی(مطالعه موردی: ایستگاه های منتخب استان خوزستان)
محمدرضا گلابی 1، دکتر علی محمد آخوندعلی1، دکتر فریدون رادمنش1، دکتر محمد کاشفی پور1
1- دانشگاه شهید چمران اهواز
چکیده:   (381 مشاهده)
بنا بر اهمیت روز افزون تأمین آب در کشور، مدیریت منابع آب از اهمیت ویژه ای برخوردار است. پیش بینی بارندگی به عنوان یکی از مهمترین پارامترهای اقلیمی از اهمیت ویژه ای در استفاده از منابع برخوردار است. برای پیش بینی بارش می توان از سری های زمانی استفاده کرد. پژوهش حاضر در سه ایستگاه منتخب (اهواز، آبادان و دزفول) از استان خوزستان به منظور مقایسه دقت مدل های باکس- جنکینز انجام شده است. برای این منظور از داده های بارندگی ماهانه سه ایستگاه هواشناسی استان به مدت 48 سال (۱۳۴۰ ۱۳۸۷ ) ، استفاده شده است. با استفاده از روش رگرسیون داده های ناقص برآورد و همگنی داده ها توسط آزمون توالی ها بررسی شد. با استفاده از مدلهای باکس- جنکینز سری زمانی بارش بررسی و بهترین مدل برازش داده شد. صحت و دقت مدل ها براساس آماره های AIC و تحلیل نمودار توابع خود همبستگی و خود همبستگی جزئی تأیید گردید. مدل مناسب بارش فصلی اهواز ۱۲(۲،۱،۰) × (۰،۱،۲) آریما و آبادان ۱۲(۱،۱،۰) × (۰،۱،۲) آریما و دزفول ۱۲(۰،۱،۱)× (۱،۱،۲) آریما به دست آمد. نتیجه این مطالعه نشان می دهد که این مدل ها از دقت تقریبا خوبی برای پیش بینی بارش فصلی برخوردار بودند.
واژه‌های کلیدی: پیش بینی بارندگی، سری های زمانی، سری های زمانی باکس، جنکینز، خوزستان، ایران
متن کامل [PDF 377 kb]   (113 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: ۱۳۹۶/۱۱/۲۹ | پذیرش: ۱۳۹۶/۱۱/۲۹ | انتشار: ۱۳۹۶/۱۱/۲۹
فهرست منابع
1. آشگر طوسی، شادی.( 1382 ). پیش بینی وقوع خشکسالی در استان خراسان و بهینه سازی الگوی کشت جهت سازگاری با آن، پایان نامه کارشناسی ارشد مهندسی آبیاری و زهکشی، دانشگاه فردوسی مشهد، ص 120.
2. ترابی، سیما .( 1380 ). بررسی و پیشبینی تغییرات دما و بارش در ایران، دانشگاه تبریز، پایان نامه دکتری جغرافیای طبیعی،ص 201 .
3. دی. کرایر، جاناتان، ترجمه حسینعلی نیرومند.( 1378 ). تجزیه و تحلیل سری های زمانی ، انتشارات دانشگاه مشهد، چاپ دوم.
4. رمضانی، نبی الله.( 1380 ). تحلیل و پیش بینی خشکسالی ها و ترسالی های استان مازندران، دانشگاه تربیت معلم، پایان نامه کارشناسی ارشد،ص 117.
5. شریفان، حسین و قهرمان، بیژن.( 1386 ). ارزیابی پیش بینی باران با به کارگیری تکنیک سآریما در استان گلستان، مجله علوم کشاورزی و منابع طبیعی، ۳ (۱۴).
6. شهابفر، علیرضا و قیامی، علی. ( 1380 ). ارزیابی و روشهای نیکویی برازش توابع توزیع های آماری و استفاده از سری های زمانی جهت پیش بینی بارندگی سالانه شهر مشهد، مجموعه مقالات اولین کنفرانس ملی بررسی راهکارهای و مقابله با بحران آب، دانشگاه زابل، جلد سوم،ص 395.
7. صداقت کردار، عبداله و فتاحی، ابراهیم. ( 1384 ). شاخص های پیش آگاهی خشکسالی در ایران ، مجله جغرافیا و توسعه، ش ۱۱: ۷۶-۵۹.
8. عساکره، حسین و خردمندنیا، منوچهر.( 1381 ). مدلسازی برای متوسط درجه حرارت ماهانه (مطالعه موردی :الگوسازی متوسط درجه حرارت ماهانه جاسک)، مجله نیوار،۴۷: ۴۱ - ۵۴.
9. عساکره، حسین .( 1389 ). الگوسازی آریما برای میانگین سالانه دمای شهر تبریز، فصلنامه تحقیقات جغرافیا ، ۷۵۶: ۱۵۶۰۱ – ۱۵۶۲۲.
10. قهرمان، نوذر و قره خانی، ابوذر . ( 1390 ). ارزیابی مدل های تصادفی سری زمانی در برآورد تبخیر از تشت مطالعه موردی: ایستگاه شیراز، مجله پژوهش آب در کشاورزی،ج ۲۵ (۱): ۷۵ – ۸۱.
11. ویسی پور، حسین؛ معصوم پورسماکوش، جعفر. صحنه، بهمن و یوسفی، یدالله .( 1389 ) . تحلیل پیش بینی روند بارش و دما با استفاده از مدل های سری زمانی آریما (نمونه موردی: شهرستان کرمانشاه)، فصلنامه علمی پژوهشی جغرافیا، ۶۵ – ۸۰.
12. Barry, R.G. Carleton, A. M. 2001. Synoptic and Dynamic Climatology. Routledge, London.620 pp.
13. Durdu, o. f. 2010. A hybrid neural network and آریما model for water quality time series prediction. Engineering Applications of Artificial Intelligence. 23: 586-594.
14. Chbouki, N. Stockton, CW.Myers,DE. 1995. Spatio – temporal patterns of Drought in Moroco. International journal of climatology. 15: 187-205.
15. Currie, R.G. 1989. Comments on power spectra and Coherence of Drought in the interior Plains. International Journal of Climatology. 9: 91 – 100.
16. Zekai, S. 1998. small sample Estimation of the Varian ce of Time Averages in climate Time series International Journal of climatology.18: 1725-1732.
17. Zou, p. Jingsong, Y. Jianrong, f. Guangming, L. Dongshun, L. 2010. Artificial neural network and time series models for predicting soil salt and water content. Agricultural water management. 97: 2009-2019
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA code


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Golabi M R, Akhondali A M, Radmanesh F, Kashefipor M. The Comparison of the Seasonal Rainfall Forecast precision by Box-Jenkins Models(case study: Selected stations of khozestan province). geores. 2014; 29 (3) :61-72
URL: http://georesearch.ir/article-1-344-fa.html

گلابی محمدرضا، آخوندعلی علی محمد، رادمنش فریدون، کاشفی پور محمد. مقایسه دقت پیش بینی مدل های باکس- جنکینز در مدل سازی بارندگی فصلی(مطالعه موردی: ایستگاه های منتخب استان خوزستان). فصلنامه تحقیقات جغرافیایی. 1393; 29 (3) :61-72

URL: http://georesearch.ir/article-1-344-fa.html



دوره 29، شماره 3 - ( 9-1393 ) برگشت به فهرست نسخه ها
فصلنامه تحقیقات جغرافیایی Geographical Researches Quarterly Journal
Persian site map - English site map - Created in 0.05 seconds with 31 queries by YEKTAWEB 3768