بررسی روند، تجزیه و تحلیل، مدل سازی و پیش بینی بارش ماهانه با استفاده از مدل های تصادفی سری زمانی (مطالعه ی موردی: ایستگاه سینوپتیک اردبیل) (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
اطلاع از مقدار آب در دسترس آینده، یک گام بسیار مفید در تصمیم گیری های مدیریتی است که کمک بالقوه ای در بهره برداری بهینه و پایدار از منابع آبی موجود خواهد نمود. هدف از انجام این مطالعه، بررسی روند و پیش بینی بارندگی ماهانه ی ایستگاه سینوپتیک منتخب استان اردبیل با استفاده از بهترین مدل های سری های زمانی است. در این مطالعه، بارندگی ماهانه ی 5 سال آینده (2020 تا 2024 میلادی) در منطقه ی موردمطالعه با استفاده از مدل های مختلف سری های زمانی خانواده ی ARIMA پیش بینی شد. در این پژوهش، از آزمون ناپارامتریک من-کندال به منظور اطمینان از وجود روند و از نمودار خودهمبستگی (ACF) نیز به منظور اطمینان از وجود تغییرات فصلی در سری زمانی استفاده گردید. پس از انتخاب بهترین مدل پیش بینی کننده بر اساس مقادیر پارامتر های مدل، معیار آکائیک و ضریب همبستگی مقادیر بارندگی ماهانه ی 5 سال آینده (2020 تا 2024 میلادی) با استفاده از بهترین روش ایستاسازی و بهترین مدل پیش بینی کننده ی مربوط به آن، پیش بینی گردید. نتایج حاصل از آزمون من-کندال نشان داد که داده های بارندگی ماهانه ی ایستگاه سینوپتیک اردبیل در دوره ی آماری موردمطالعه دارای روند کاهشی (6119/0-=Z) بوده، اما این روند در سطح اطمینان 95 درصد معنی دار نیست. بررسی داده های بارندگی ماهانه ی موردمطالعه نشان داد که خودهمبستگی معنی داری در تأخیرهای 12، 24، 36 و 48 ماهه وجود دارد. نتایج مربوط به بارندگی ماهانه ی پیش بینی شده در 5 سال آینده (2020 تا 2024) با استفاده از بهترین روش ایستاسازی و بهترین مدل سری های زمانی در ایستگاه سینوپتیک اردبیل نشان داد که مقدار بارندگی سالانه در 4 سال از 5 سال آینده نسبت به میانگین بارندگی 20 سال گذشته، بین 3 تا 17 درصد کاهش خواهد یافت که بیش ترین کاهش مربوط به سال 2022 میلادی است. مقدار بارندگی فقط در سال 2023 معادل 3/0 درصد افزایش خواهد یافت.Stochastic Monthly Rainfall Time Series Analysis, Modeling and Forecasting ( A cas study: Ardebilcity
Rainfall is the main source of the available water for human. Predicting the amount of the future rainfall is useful for informed policies, planning and decision making that will help potentially make optimal and sustainable use of available water resources. The main aim of this study was to investigate the trend and forecast monthly rainfall of selected synoptic station in Ardabil province using the best models of stochastic time series models. In this study, monthly rainfall for the next 5 years (2020 to 2024 AD) in the study area was predicted using different models of ARIMA family time series. Non-parametric Kendall- test was used to ensure the existence of the trend and the correlation diagram (ACF) was used to ensure the existence of seasonal changes in the time series. The best precipitation forecasting model in each of the 5 methods used for stabilization, was selected based on the values of the model parameters, AIC criteria and correlation coefficient. The best static method and the best predictor model were used to predicte the next 5 year monthly rainfall. The results of man -Kendal test showed that the monthly rainfall data of Ardabil Synoptic Station had a decreasing trend (Z = 0.6119), but this trend was not significant at 95% confidence level. Study of the monthly rainfall data showed that there was a significant correlation between 12, 24, 36 and 48 month delays. The results of the monthly rainfall forecasting for the next five years (2020 to 2024) using the best static method and the best time series model in Ardabil Synoptic Station showed that the annual rainfall should decrease in 4 years of the next 5 years compared to the average of the 20 past years by 3 to 17 percent, the biggest drop since 2022. Rainfall will increase by 0.3% only in 2023.
تبلیغات
