چکیده:
پديده گرم شدن زمين با تغيير الگوي زماني – مكاني دما همراه بوده است. ازاين رو دگرگوني ها و افت وخيزهاي اين عنصر از اهميت علمي و عملي زيادي برخوردار است. يكي از رهيافت هاي مطالعاتي براي بررسي تغييرات دمايي به كارگيري روش هاي آماري است. اقليم شناسان براي بررسي تغييرات دما از روش هاي سري زماني استفاده مي كنند. هدف اصلي از اين پژوهش بررسي تغييرات دماي سالانه ايستگاه سينوپتيكي تهران با استفاده از روش هاي سري زماني است. بدين منظور از داده هاي آماري دماي تهران طي دوره آماري 2008-1951 بهره گرفته شده است. نتايج نشان داد كه در تحليل طيفي با سطح اطمينان 95/0 چرخه هاي 1، 21 و 22 معنادار بودند. همچنين نمودار سري زماني درجه حرارت سالانه ايستگاه، روند صعودي اين پارامتر را نشان مي دهد. سپس الگوسازي در خانواده چندجمله اي ها، نيز نشان داد كه الگوي خط دماي تهران طي 55 سال گذشته (08/0±72/0) درجه سلسيوس افزايش داشته است. همچنين با استفاده از زنجيره ماركوف احتمال تغيير وضعيت از سال سرد به سال گرم و بالعكس به ترتيب 2/2 و 82/1 برآورد گرديد، به عبارتي هر 2/2 سال يك بار سال سرد و هر 82/1 سال يك بار سال گرم رخ مي دهد. نهايتاً در الگوسازي آريما، پس از بررسي مقدار آكائيك (AIC) الگوي (1، 1، 0) ARIMAبه عنوان مناسب ترين الگو انتخاب گرديد.
خلاصه ماشینی:
"عسگری و رحیم زاده (١٣٨٥)، به منظور بررسی تغییرات بارش ، از میانگین متحرک و روش تبدیل شده آبه ، انحرافات تجمعی، نسبت بیشینه ورسلی و خودهمبستگی مرتبه اول استفاده کرده اند و به این نتیجه 1 - Antony et al 2 - Frausto et al 3 - Yurekli and Kurunc 4 - HUGHES et al 5 - Aguilera 6 - Tektaş رسیده اند که کشور شاهد هر دو روند کاهشی و افزایشی در جمع بارش سالیانه ایستگاه های سینوپتیک بوده است .
حال باید دید افزودن یک مقدار ثابت q° مدل را به طور معناداری بهتر میکند یا نه یعنی الگوی زیر را بررسی کنیم : Zt=Zt-1 +at+q°-f1Zt-1 (به تصویر صفحه مراجعه شود) با توجه به اینکه ٢< |٠/٥٩| لذا فرض صفر پذیرفته میشود و حضور معناداری در مدل ندارد، با حذف این پارامتر و اضافه نمودن پارامتر f٢ الگوی (٢١٠)ARIMA حاصل میشود، یعنی: : Zt=Zt-1 +at-f1Zt-1 -f2Zt-2 الگوی برازش شده به این شرح است : Zt=Zt1+at-( 0.
(به تصویر صفحه مراجعه شود) شکل (٤) پیش بینی ١٠ ساله بر اساس الگوهای (١ و ١ و ٠)، (١ و ١ و ٢)، (١ و ٢ و ٢) بررسی نمودار سری زمانی باقیمانده ها (شکل ٦): اگر مدل مناسب باشد انتظار میرود این نمودار در اطراف سطح افقی پراکندگی بدون روندی را نشان دهد، از آنجا که رفتار این نمودار شبیه رفتار یک فرایند تصادفی محض با میانگین صفر و واریانس ثابت است ، میتوان مدل برازش داده شده را تایید کرد."