تغییرپذیری بارش و پیش بینی بارش های سالانه مرکز و جنوب شرق ایران با استفاده از مدل سری های زمانی تصادفی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
هدف اصلی این پژوهش بررسی تغییرپذیری بارش و پیش بینی بارش های سالانه مرکز و جنوب شرق ایران با استفاده از مدل سری های زمانی تصادفی است. لذا جهت رسیدن به این هدف اصلی از داده های بارش سالانه 15 ایستگاه همدید مرکز و جنوب شرق ایران که از سازمان هواشناسی کشور دریافت شد، استفاده گردید. سپس مدل های مختلفی از خانواده میانگین متحرک خودهمبسته یکپارچه (ARIMA) بر سری های زمانی بارش ایستگاه های مورد مطالعه برازش داده شدند. نتایج نشان دادند که بهترین مدل برازش داده شده بر سری های زمانی بارش سالانه ایستگاه های مورد مطالعه ARMA (2, 1) می باشد. بر اساس این مدل مشاهده شد که روند مقادیر پیش بینی شده بارش های سالانه تا افق 2027 میلای به استثنای دو ایستگاه فردوس و ایرانشهر که روند بارشی آنها افزایشی بوده است، بقیه ایستگاه دارای روند کاهشی بوده اند. برای اندازه گیری دقت پیش بینی بارش های سالانه تا افق 2027 نیز از چهار معیار اعتبارسنجی MAD، MSE، RMSE و MAE استفاده شد. نتایج این چهار معیار نشان دادند که پیش بینی های انجام شده دارای خطاهای بسیار زیاد و در نتیجه از دقت پایینی برخوردار هستند. مهمترین دلیلی که در ایجاد خطاهای بسیار زیاد در پیش بینی بارش های سالانه مرکز و جنوب شرق ایران می توان مطرح نمود طول دوره آماری کوتاه بسیاری از ایستگاه های مرکز و جنوب شرق ایران است. لذا برای این نوع از مدلسازی ها در مرکز و جنوب شرق ایران پیشنهاد می گردد از پایگاه داده های مختلف بارشی شبکه بندی شده که دارای طول دوره های آماری طولانی تری دارند استفاده شود.Precipitation variability and Annual Rainfall Prediction for Central and Southeast (SE) Iran using Stochastic Time Series Modeling
The present study sought to investigate precipitation variability and prediction the annual rainfall in central and southeast (SE) Iran using stochastic modeling (time series analysis). For this, the annual rainfall data gathered from 15 synoptic stations in the center and SE of Iran were obtained from Iran Meteorological Organization (IMO). Then, different autoregressive integrated moving average (ARIMA) models were used to fit the time series of annual rainfall in the studied stations. Based on the results, ARMA (2, 1) was found to be the best model fitted to the annual rainfall time series of the stations under study. Excluding the Ferdows and Iranshahr stations with an uptick in the rate of precipitation, the trend of predicted annual precipitation until 2027 was slipping for all the studied stations. The validation indices including MAD (mean absolute deviation), MSE (mean square error), RMSE (root mean square error), and MAE (mean absolute error) were employed to measure the accuracy of annual rainfall forecasts until 2027. According to these indices, the forecasts had substantial errors and were of low accuracy. Such a high rate of errors may be due to the short-term statistics obtained from synoptic stations in these regions. Hence, for modeling in central and SE Iran, future studies are recommended to use different networks of rainfall databases with long-term statistics.
تبلیغات
