چکیده:
در سالهای اخیر محدودیت منابع آبی جهت تامین آب مورد نیاز کشاورزی و غیر کشاورزی موجب بروز مشکلات زیادی شده است و باران یکی از منابع مهم تامین آب به حساب می آید. بارندگی یکی از مهمترین مولفه های ورودی به سیستم های هیدرولوزیکی محسوب می شود که مطالعه و اندازه گیری آن در اکثر موارد برای مطالعات رواناب، خشکسالی، آبهای زیر زمینی، سیلاب، رسوب و ... لازم و ضروری است. بنابراین پیش بینی و برآورد نزولات جوی برای هر منطقه و آبخیز به عنوان یکی از پارامترهای مهم اقلیمی در استفاده بهینه از منابع آبی محسوب می گردد. یکی از روشهای ارزیابی و پیش بینی بارش، استفاده از سریهای زمانی است. هدف از انجام این تحقیق بررسی مناسب ترین مدل جهت تخمین مجموع بارندگی می باشد. برای این هدف، روشها و مدلهای مختلفی وجود دارند که از آن جمله می توان مدلهای سری زمانی اتو رگرسیو (AR)، میانگین متحرک (MA) و مدلهای تلفیقی اتو رگرسیو با میانگین متحرک و مدلهای فصلی (ARIMA و SARIMA) را برشمرد. در این مقاله عملکرد هر یک از مدلهای یاد شده در برآورد و تخمین مقادیر مجموع بارندگی ماهانه در ایستگاه هاشم آباد گرگان طی دوره 2012- 1983 مورد بررسی قرار گرفت. در جهت شناسایی بهتر مدل بدست آمده، باقیمانده ها و خطاهای پیش بینی مورد بررسی قرار گرفته و ضرایب مدل تخمین زده شدند. نشان داده شد که مدل ساریما ی ((2، 0،1: 2، 1، 3)SARIMA) از سایر مدلهای سری زمانی عملکرد بهتری داشته و روند تغییرات سری زمانی را با خطای کمتری شبیه سازی می کند.
Abstract: Recently, limiting water resources for agricultural and non agricultural usages pose some difficulties and rainfall is the most important water resource. One of rainfall input component can be considered as of hydrological systems. In most cases for studies of groundwater runoff, floods, droughts, sediment, it is necessary and essential to study and measure. Therefore, for optimal allocation of water resources, forecasting rainfall for a region of special importance. One of the methods of evaluate and forecast of precipitation, is the use of time series. For this purpose, there are a variety of methods and models, such as including models of auto regressive (AR), moving average (MA), Auto regressive integrated moving average (ARIMA) and seasonal Auto regressive integrated moving average (SARIMA). In this article, the performance of any of the models listed on the monthly total precipitation amounts and estimates in the hashimabad district of Gorgan during 1983-2012 were studied. Following the elimination of seasonal effects, trend and irregular variations, an SARIMA model was presented. To ascertain the properties of the proposed model, residuals and errors were examined and the model coefficients were estimated. Finally it shows that the model of SARIMA (3,1,2; 0,1,2) time series models have a better performance and less error time series changes to the simulation. To ascertain the properties of the proposed model, residuals and errors were examined and the model coefficients were estimated. Finally it shows that the model of SARIMA (3,1,2; 0,1,2) time series models have a better performance and less error time series changes to the simulation. Key Words: Time series; Rainfall; Forecast; Residuals; Error.
خلاصه ماشینی:
بشیری و وفاخواه (1389) درپیشبینی دبی ماهانه حوزه آبخیز کرخه، روشهای مختلف مدلسازی و پیشبینی در سریهای زمانی شامل آنالیز روند، روش هولت و وینترز و مدلهای اتورگرسیو با میانگین متحرک را پیاده کرده و نشان داده است که روش آنالیز روند بهترین پیشبینی و پس از آن مدل ARMA با اختلاف جزیی در اولویت بعدی قرار دارد.
(رجوع شود به تصوير صفحه) شکل 1: نقشه موقعیت ایستگاه اقلیمی مورد مطالعه در ایستگاه هواشناسیهاشم آباد گرگان مجموع بارندگی در ماه، فصل و سال بهطور متوالی ثبت میشود که به عنوان نمونه این مجموع بارندگی در ماه، فصل و سال برای مدت 37 سال متوالی (2012-1976) در نظر گرفته شده است.
اگر نمودار تابع خودهمبستگي به صورت تناوبی و دارای نوسان باشد میتوان گفت که مشاهدات سری زمانی دارای اثر فصلی میباشد و این همان چیزی است که در شكل 2 مشاهده میشود؛ یعنی مجموع بارندگی ماهانه بعد از طی یک دوره چند ماهه به طور متناوب - البته نه دقیقا منظم- تکرار میشود.
مدل روند خطی(رجوع شود به تصوير صفحه) که به روش کمترین مربعات به این سری از مشاهدات برازش داده شده بیانگر وجود یک روند نه چندان قوی در میانگین میزان بارندگی ماهانه می باشد.
در این مقاله همچنان که ذکر شد، برای پیشبینی مجموع بارندگی در ایستگاه سینوپتیکهاشم آباد گرگان از الگوهای سری زمانی استفاده شده است و نشان داده شد که مدلهای فصلی، برازش مناسبی جهت پیشبینی بارش ارائه میدهند.