چکیده:
پیشبینی جریان رودخانهها یکی از مهمترین مسائل در برنامهریزی و مدیریت بهینه آنها در جهت تولید انرژی برقآبی و تخصیص آب به منابع مصرف، محسوب میشود. جریان رودخانه به عنوان یکی از متغیرهای اقلیمی است که بر منابع آب یک منطقه به طور جدی اثرگذار است. در این مطالعه به منظور دست یابی به مدلی جهت پیشبینی و مدیریت صحیح منابع آب سطحی در مناطق خشک و نیمه خشک، ابتدا روند تغییرات پارامتری اقلیمی دما، بارش و سپس روند تغییر پارامتر هیدرولوژیکی (دبی) براساس آزمون من-کندال بررسی گردید و سپس دبی جریان ماهانه رودخانه گدارخوش در دوره آماری ۱۳۹۱-1370 با استفاده از سری زمانی خطی آریمای فصلی مدلسازی و پیشبینی گردید. برای بررسی ایستایی مدل از آزمون خودهمبستگی(ADF) و خودهمبستگی جزئی(PACF) استفاده شد. نتایج آزمون من کندال نشاندهنده رونددار بودن پارامترهای دما، بارش و دبی در ایستگاههای موردمطالعه در سطح اطمینان 99 درصد میباشد، که بهصورت افزایشی در دما و کاهشی در دبی و بارش در تمام ایستگاهها مشاهده گردید. نتایج آزمون سری زمانی هم چنین نشاندهنده نایستایی سری جریان رودخانه بود که با آزمون تفاضل درجهیک، دادهها ایستا شدند. سپس مدلهای مختلف به سریهای ایستا شده برازش داده شد و درنهایت مدل (0،1،1) (1،0،0)ARIMA بهعنوان مدلی مناسب جهت پیشبینی دبی انتخاب گردید و دبی به مدت 4 سال از 1395-1392 پیشبینی شد. نتایج پیش بینی براساس مدل (0،1،1) (1،0،0)ARIMA در رودخانه گدارخوش حاکی از افزایش دبی در آخر دوره (سال 1394) بود که براساس آمار بارش سازمان هواشناسی در سال آبی 1395-1394، مدل برازش یافته پیشبینی دبی را بهخوبی انجام داده است. بنابراین بهکارگیری مدلهای سری زمانی میتواند در مدیریت منابع آبی از طریق پیشبینی و تعیین روند تغییرات پارامترهای اقلیمی در آینده مفید باشد.
Predicting of the river discharge is one of the most important issues in the planning and management of water resources in terms of energy generation, water allocation and use of water resources. In this study, the trend of climate parameters such as temperature and precipitation and so discharge as a hydrologic parameter were investigated based on the Mann-Kendall test and then was modeled and predicted the discharge of monthly streamflow Godarkhosh in the period 1992-2012, using linear time series SARIMA. To investigate the static model, tests autocorrelation (ADF) and partial autocorrelation (PACF) were used. The results of the Mann-Kendall test indicated the temperature parameter has an increasing trend and precipitation and discharge parameters showed reduction trend at all stations of the studied area at 99% confidence level. Also, the result of time series model indicated that the time series data of river flow were non-static data that with the differencing method, the non-static data transformed into static data. Then different models were fitted into static series to estimate the river flow and finally, model ARIMA (1, 0, 0) (0, 1, 1) was selected as an appropriate model to predict discharge and the river flow was predicted for 4 years from 2013 to 2016. The results showed that the discharge has increased at the end of the period, in which the model estimated river flow as well based on rainfall data from Meteorological Organization in the 2015-2016 year. Therefore, application of time-series models in water resources management can be useful.