@article { author = {Ramezani, yousef and Nazeri Tahroudi, mohamad}, title = {Application of the non-linear EGARCH model in the modeling of the evapotranspiration values}, journal = {Irrigation and Water Engineering}, volume = {11}, number = {1}, pages = {227-239}, year = {2020}, publisher = {انجمن علمی مهندسی آبیاری و آب ایران}, issn = {2251-7359}, eissn = {}, doi = {10.22125/iwe.2020.114966}, abstract = {In multivariate models, the modeling and predicting various parameters can improve by involving other factors. Also Since nonlinear models with conditional variance, the remaining portion of the linear models to adequately model, we expect that the combination of linear and nonlinear models, partly to increase the accuracy of modeling and predictions. In this study, were used the potential evapotranspiration values of stations in the provinces (Birjand, Mashhad, Zahedan and Zabol stations) during the statistical period of 1973-2010 at monthly scale. Since the goal model is multivariable, in addition to potential evapotranspiration data, relative humidity data, wind speed and sunshineare used to modeling the monthly evapotranspiration values. The models studied in this study are MPAR and MPAR-EGARCH models. The results of the verification and validation of the model data showed that both models are highly accurate. In this study, in all cases, the multivariate compilation model with conditional variance was more accurate than the multivariate periodic ARMA model. The results also showed that the MPAR-EGARCH compilation model fitted the minimum and maximum points of the studied data. The average error rate for estimating potential evapotranspiration values by MPAR model at stations of Birjand, Mashhad, Zabol and Zahedan was 0.4, 0.43, 1.05 and 3.04, respectively, and in the MPAR-EGARCH compilation models Respectively is equal to 0.16, 0.19, 0.55 and 0.59 respectively.}, keywords = {Conditional Variance Models,Multivariate Models,PotentialEvapotranspiration,Seasonal Models}, title_fa = {کاربرد مدل غیرخطی EGARCH در مدل‌سازی مقادیر تبخیر و تعرق پتانسیل}, abstract_fa = {در مدل­های چند متغیره سری زمانی با دخالت دادن عوامل مؤثر دیگر، می­توان نتایج توصیف، مدل‌سازی و پیش­بینی پارامترهای مختلف را بهبود بخشید. هم­چنین از آنجا که مدل­های غیرخطی واریانس شرطی، بخش باقی­مانده مدل­های خطی را به شکل مناسبی مدل می­کنند، انتظار می­رود با تلفیق مدل­های خطی و غیرخطی، دقت مدل‌سازی و پیش­بینی­ها افزایش ­یابد. در این مطالعه از داده­های مقادیر تبخیر و تعرق پتانسیل ایستگاه­های شرق کشور (ایستگاه بیرجند، مشهد، زاهدان و زابل) در دوره آماری 2010-1973 در مقیاس ماهانه استفاده شده است. از آنجایی که مدل هدف چند متغیره می­باشد، علاوه بر داده­های تبخیر و تعرق پتانسیل، از داده­های رطوبت نسبی، سرعت باد و ساعات آفتابی نیز جهت مدل­سازی تبخیر و تعرق پتانسیل ماهانه استفاده شده است. مدل­های مورد بررسی در این تحقیق، دو مدل MPAR و MPAR-EGARCH می­باشد. نتایج بررسی و صحت سنجی داده­های مدل­شده نشان داد که هر دو مدل مورد بررسی از دقت بالایی برخوردار هستند. در این مطالعه در تمام موارد مدل چند متغیره تلفیقی با واریانس شرطی از دقت بیشتری نسبت به مدل چند متغیره پریودیک آرما برخوردار بودند. هم­چنین نتایج نشان داد که مدل تلفیقی MPAR-EGARCH نقاط کمینه و بیشینه داده­های مورد بررسی را به خوبی برازش داده است. متوسط میزان خطا در تخمین مقادیر تبخیر و تعرق پتانسیل توسط مدل MPAR در ایستگاه­های بیرجند، مشهد، زابل و زاهدان به ترتیب برابر با 4/0، 43/0، 05/1 و 04/3  و در مدل­های تلفیقی MPAR-EGARCH به ترتیب برابر با 16/0، 19/0، 55/0 و 59/0 می­باشد.}, keywords_fa = {مدل‌های فصلی,تبخیر و تعرق پتانسیل,مدل واریانس شرطی خودهمبسته,مدل چند متغیره}, url = {https://www.waterjournal.ir/article_114966.html}, eprint = {https://www.waterjournal.ir/article_114966_1e4302e2de2513bc46685bf4ce0a8ef2.pdf} }