ارزیابی بهبود ایستایی و دقت پیش‌بینی مدل‌های سری زمانی دبی رودخانه تحت تأثیر رهیافت تفاضل‌گیری) مطالعه موردی: رودخانه دز)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گرایش مهندسی و مدیریت منابع آب، دانشکده مهندسی عمران، دانشگاه سمنان

2 گروه مهندسی آب و سازه های هیدرولیکی، دانشکده مهندسی عمران، دانشگاه سمنان

3 استادیار گروه مهندسی عمران- مهندسی آب و سازه های هیدرولیکی، دانشکده مهندسی عمران، دانشگاه سمنان

چکیده

 هدف از پژوهش حاضر، بررسی تأثیر تفاضل­گیری‌های فصلی، غیرفصلی و ترکیبی بر میزان ایستایی سری زمانی دبی ماهانه رودخانه دز طی 60 سال می­باشد. همچنین تأثیر میزان ایستایی بر عملکرد مدل‌های SARIMA در پیش‌بینی سری زمانی از جنبه‌های مختلف بررسی شده است. ابتدا پایداری واریانس سری زمانی بررسی‌شده و تبدیلات لازم جهت مانا کردن واریانس اعمال گردیده است. سپس به کمک آزمون من-کندال فصلی، ایستایی میانگین ارزیابی‌شده و از نتایج آن برای ارزیابی وجود روند و نیاز به تفاضل­گیری استفاده ‌شده است. با استفاده از تفاضل گیری‌های فصلی، غیر فصلی و ترکیبی، سه سری جدید ایجاد شده که ایستا بودن آن‌ها به همراه سری اصلی، با تحلیل نمودار ACF و آزمون
دیکی-فولر تعمیم ‌یافته مورد بررسی قرار­گرفته است. در ادامه، نوع و تعداد پارامترهای موردنیاز در مدل­ها برای هرکدام از حالات تعیین ‌شده است. نتایج حاکی از آن است که هنگام استفاده از تفاضل­گیری ترکیبی، تعداد مدل‌های مورد نیاز برای بررسی به ‌شدت کاهش‌ یافته به ‌طوریکه برای مدل‌سازی سری با تفاضل­گیری فصلی، 196 و برای مدل‌سازی سری با تفاضل ترکیبی، تنها 16 مدل نیاز به بررسی داشتند. درحالی‌که نتایج خروجی بهترین مدل از هر دو نوع سری تفاضلی تقریباً نزدیک به هم بود اما بهترین مدل از سری تفاضلی فصلی، با معیارهای ارزیابی 47/92=MAE، 4/154=RMSE و 61/0=R، برتری خود را نسبت به دیگر مدل‌ها نشان داد. در نهایت، از مدل منتخب یعنی12(1،1،1)(4،0،4)SARIMA برای پیش‌بینی دبی رودخانه در 24 ماه آینده استفاده شده است.

کلیدواژه‌ها

عنوان مقاله [English]

Assessing the Improvement of Stability and Precision of Predicting the Time Series Models of River Flow under the influence of Differential Approach (Case study: Dez River)

نویسندگان [English]

  • Mohsen Moslemzadeh 1
  • Saeed Farzin 2
  • hojat karami 3
1 1Ph. D student of Water Resources Engineering and Management, Faculty of Civil Engineering, Semnan University, Semnan, Iran
2 Assistant Professor, Department of Water Engineering and Hydraulic Structures, Faculty of Civil Engineering, Semnan University, Semnan, Iran
3 Assistant Professor, Department of Civil Engineering, Semnan University, Semnan, Iran
چکیده [English]

The purpose of this study was to investigate the effect of seasonal, non-seasonal and combined differentiations on the time series stability of Dez River’s monthly discharge for 60 years. Also, the effect of the stability level on the performance of SARIMA models in the prediction of the time series is investigated from different aspects. Out of 720 data, 80% are taken into account for the calibration and the rest for the validation period. First, the stability of the variance of time series was investigated and the necessary transformations were applied to stabilize the variance. Then, with the help of seasonal Mann-Kendall test, the average stability was evaluated and its results have been used to assess the existence of the process and the need for differentiation. Using seasonal, non-seasonal and combined differentiations, three new series have been created, whose stability with the original series have been investigated by analyzing the ACF graph and the generalized Dickey-Fuller test. In the following, the type and number of parameters required in the models are determined for each scenario.  The results indicate that when using combined differentiation, the number of models needed for review is severely reduced so that for modeling of series with seasonal differentiation, 196 and for modeling of combined differentiation series, only 16 models need to be investigated. While the outcomes of the best model of both types of differentiated series were almost the same, the best model of the seasonal differencing series, with the criteria of the assessment of MAE= 92.4, RMSE = 154.4 and R = 0.61 showed its superiority over the other models. Finally, the selected model namely SARIMA (4, 0, 4) (1, 1, 1)12 has been used to predict the river flow in the next 24 months.

کلیدواژه‌ها [English]

  • Differentiation
  • Stability
  • Prediction
  • River Flow
  • SARIMA

فایل ها

هم رسانی

ارجاع به این مقاله

آمار