Comparison of Different Time Series Analysis Methods for Forecasting Monthly Discharge in Karkheh Watershed

Document Type : Original Article

Authors

Abstract

Forecasting of hydrological variables are suitable tools for water resources management. On the other hand, using time series concepts in forecasting is very useful. Therefore in present research for this aim, measured monthly discharge in 21 hydrometric stations from 1984-1985 to 2004-2005 in Karkheh watershed used, Then different method in forecasting and modeling in time series analysis include Trend Analysis, Holt-Winters method and various Autoregressive Moving Average Models (ARMA) suggested by Box-Jenkins were fitted to data. Afterwards, condition and accuracy of fitted models in forecasting of future monthly discharges considered using Akaike Information Criterion (AIC) and Root Mean Squared Error (RMSE). The results showed that trend analysis have the best forecast and autoregressive moving average models with few differences are in next place. In addition, Akaike Information Criterion showed that ARMA models with higher orders have better accuracy in modeling, but in forecasting ARMA with lower orders have better efficiency. There are high error in Holt-Winters method and is not recommended in this area. Finally, forecasted values using expressed methods have an overestimation in comparison with observed data.

Keywords

References

1. پرویز، ل. و م. خلقی. 1378. مقایسه بین مدل استوکستیکی ARIMA و رگرسیون فازی در پیش­بینی جریان رودخانه. چهارمین کنگره ملی مهندسی عمران. دانشگاه تهران: 9 ص.
2. ن. جلال­کمالی. 1381. پیش­بینی تغییرات جریان ورودی به مخزن سد جیرفت با استفاده ار تئوری سری­های زمانی. ششمین سمینار بین­المللی مهندسی رودخانه. دانشگاه شهید چمران اهواز: 1299-1306.
3. رضیئی، ط.؛ ع. ر. شکوهی و ب. ثقفیان. 1382. پیش­بینی شدت، تداوم و فراوانی خشکسالی با استفاده از روش­های احتمالاتی و سری­های زمانی. مطالعه موردی استان سیستان و بلوچستان. نشریه بیابان. جلد 8. شماره 2: 20 ص.
4. صدقی، ح. 1379. پیش­بینی تغییرات طویل مدت دبی رودخانه کارون با استفاده از سری­های زمانی. دومین کنفرانس ملی بررسی راهکارهای مبارزه با کم آبی. کرمان: 9 ص.
5. عزیزی، ق. 1384. بررسی خشکسالی­ها، ترسالی­ها و امکان پیش­بینی آن­ها با استفاده از مدل سری زمانی در استان هرمزگان. فصلنامه تحقیقات جغرافیایی. شماره 79: 48-63.
6. کارآموز، م. و عراقی­نژاد، ش. 1384. هیدرولوژی پیشرفته. انتشارات دانشگاه صنعتی امیرکبیر. 480 ص.
7. میان­آبادی، ح. و ع. افشار. 1378. کاربرد سری­های زمانی ماهانه پریودیک در تولید رواناب ماهانه و مدیریت یکپارچه منابع آب حوضه کشف رود. سومین کنفرانس مدیریت منابع آب ایران. 23 الی 25 مهر ماه. تبریز. 9 ص.
8. نیرومند، ح. ع. و ا. بزرگ­نیا.  1372. مقدمه­ای بر سری­های زمانی. انتشارات دانشگاه فردوسی مشهد. 289 ص.
9. وزارت نیرو. 1369. اطلس ملی منابع آب ایران. معاونت بهره­برداری و مدیریت منابع آب. دفتر برنامه­ریزی و مطالعات منابع آب. تلفیق مطالعات. 111 ص.
10. Barnston, A. G. 1992. Correspondence among the Correlation, RMSE, and Hiedke Forecast Verification Measures, Refinement of the Heidke Score. Climate Analysis Center. Washington D.C, 11pp.
11. Capilla, C. 2008. Time series analysis and identification of trends in a Mediterranean urban area. Global and Planetary Change, 63: 275–281.
12. Chow, W. T.  and S. J. Kareliotis. 1970. Analysis of Stochastic Hydrologic Systems. Water Resources Research, 16: 1569-1582.
13. Cryer, J. D. 1992. Time series Analysis. Translated by Niroomand, H.A., Mashhad University Publication, 404 pp. (in Farsi)
14. Damle, C.  and A. Yalcin. 2007. Flood prediction using time series data mining. Journal of Hydrology. 333, (2-4): 305-316. 
15. Hughes, D. A. and V. Y. Smakhtin. 1996. Daily Flow times series patching or extension: a spatial interpolation approach based on Flow duration, curves. Hydrological Sciences Journal, 41: 851-871.
16. Kahya, E. and S. Kalayci. 2004. Trend analysis of stream flow in Turkey. Journal of Hydrology, 289: 128–144.
17. Kaimal, J. C. and  L. Kristensen. 1991. Time series tapering for short data samples. Boundary-Layer Meteorology 57(1-2): 187-194.
18. Kelmes, V. 1973. Watershed as semi infinite storage reservoirs. J. Irrig. Drain. Div. ASCE 99: 477-491.
19. Komornık, J.؛ M. Komornıkova؛ R. Mesiar ؛ D. Szokeova and J. Szolgay.  2006. Comparison of forecasting performance of nonlinear models of hydrological time series. Physics and Chemistry of the Earth, 31: 1127–1145.
20. Luo, H.؛ L. H. Kurozawa ؛ Y. Li ؛ Y. Wang and H. Nose. 2009. Climate Change, Humidity, and human health in Japanese coastal city of Sanin. The seventh International Conference on Urban Climate. 29 June - 3 July. Yokohama, Japan, 4pp.
21. Mantua, N. J.؛ S. R. Hare ؛ Y. Zhang ؛ J. M. Wallace and R. C. Francis. 1997. A pacific inter decadal climate oscillation with impacts on salmon production. Bulletin of the American Meteorological Society. 37pp.
22. McKerchar, A. I. and L. W. Delleur. 1974. Application of seasonal parametric linear stochastic models to monthly flow data. J. Water resource reservoir, 10: 246-255.
23. Quimpo, R. 1971. Structure relation between parametric and stochastic hydrology models. International symposium on mathematical models in hydrology. Int. Assoc. of hydrology. Sci. Warasaw: 140-150.
24. Spolia, S. K. and S. Chander. 1970. Modeling of surface runoff systems by an ARIMA model. J. Hydrology, 22: 317-332.
25. Thomas, H. A. and M. B. Fiering. 1962. Mathematical synthesis of stream flow sequences for the analysis of river basin by simulation. Harward University Press. Cambridge, 751pp.
Irrigation and Water Engineering
Volume 1, Issue 2 - Serial Number 2
February 2011
Pages 75-86

Files

Share

How to cite

Statistics