22764

پيش بيني مقدار بارش با استفاده از مدل هاي سري زماني

كارشناسي ارشد

آمار - آمار رياضي

1398/4/10

دكتر رحمان فرنوش

دكتر غلامحسين ياري

رياضي

بارندگي يكي از اجزاي اساسي چرخه ي آب بوده و به عنوان يكي از مهمترين مولفه هاي ورودي به چرخه هاي هيدرولوژيكي به شمار مي رود كه در سنجش خصوصيات اقليمي هرمنطقه نقش بسيار مهمي را ايفا مي كند. براي پيش بيني بارش مي توان از تحليل سري هاي زماني استفاده كرد. يكي از نرم افزارهاي آماري كه مي توان با آن اين محاسبات را به راحتي و با دقت بسيار بالا انجام داد نرم افزار R است. در اين پژوهش آمار 15 ساله بارش ماهانه ي استان كرمانشاه به عنوان يك سري زماني در نظر گرفته شد. با استفاده از داده هاي ماهانه بارش سال هاي 2000 تا 2014 در محيط نرم افزار آماري R، سري¬هاي زماني بارش بررسي شد و بهترين مدل بر اساس معيار اطلاع آكائيك به سري داده¬ها برازش داده شد. صحت مدل برازش داده شده به كمك نمودار تابع خود¬همبستگي باقي¬مانده¬هاي مدل، نمودار مانده هاي استاندارد شده مدل و آزمون كلموگروف-اسميرنوف ارزيابي شد. مدل انتخابي مدل SARIMA(2,0,2) ×〖(0,1,1)〗_12 است كه بر اساس اين مدل پپيش بيني بارش ماهانه براي سالهاي 2015 تا 2017 انجام شد و مقادير واقعي با مقادير پيش بيني شده مقايسه شد. نتايج به دست آمده نشان داد كه مدل ساريما كفايت مناسبي در پيش بيني بارش ماهانه دارد.

1399/09/13

monthly rainfall forcast using time series models

7/1/2019 12:00:00 AM

Rainfall is one of the most important components of the water cycle and is considered as one of the most important inputs to hydrological cycles, which plays an important role in assessing the climatic characteristics of each region. Time series analysis can be used to predict rainfall. R Software is one of the statistical software that can be used to make these calculations very easily and with great accuracy. In this study, the 15-year history of monthly rainfall in Kermanshah province was considered as a time series. Using rainfall data from 2000 to 2014, in the statistical software space R, rainfall patterns were investigated and the best model was fitted to the data series based on the Akakia information criterion. The accuracy of the fitted model was evaluated using the outocorrelation function diagram of the model residues, the standardized model residue charts, and the Kolmogorov-Smirnov test. The selected model is the SARIMA(2,0,2)× 〖(0,1,1)〗_12 model is the model of the model that based on this model, monthly precipitation for 2015-2017 was calculated and the actual values were compared with the predicted values . The results showed that the SARIMA model is a good fit for predicting monthly rainfall of these data.

سري زماني , مدل ساريما , نرم افزار آر