توسعه مدل سری زمانیARIMA فصلی و بررسی عملکرد مدل در شبیه سازی بارندگی ماهانه

نوع مقاله: مقاله پژوهشی

نویسنده

گروه مهندسی آب، دانشکده کشاورزی، دانشگاه شهید مدنی آذربایجان

10.22125/iwe.2019.95879

چکیده

بارندگی یکی از مولفه­های مهم چرخه هیدرولوژیکی است که فرآیندهای سطحی و اتمسفریک را بهم مرتبط می­سازد. بنابراین مدلسازی و برآورد دقیق پارامتر در مدیریت منابع آب، برنامه­ریزی آبیاری، مدیریت کشاورزی و تخصیص آب مورد نیاز است. مدل SARIMA از مدل­های مرسوم در شبیه­سازی بارندگی ماهانه می­باشد. از نکات ضعف مدل نادیده گرفتن تغییرات بین ماه در هر سال است. بنابراین هدف این مقاله، توسعه مدل SARIMA با در نظر گرفتن تغییرات بین­سالی، بین­ماه و مقایسه عملکرد آن با مدل SARIMA در ایستگاه اردبیل می­باشد. تحلیل خوشه­ای با روش Ward's جهت خوشه­­بندی سری­های زمانی بارندگی ماهانه و مدل رگرسیون خطی جهت تعیین رابطه بین مشخصه­های آماری هر خوشه و مقادیر بارندگی ماهانه استفاده شدند. درصد کاهش آماره­های RRMSE، RMSE، MAE از مدل SARIMA به مدل SARIMA توسعه­یافته به­ترتیب 05/24، 24/17 و 48/28، بیانگر عملکرد قابل قبول مدل توسعه­یافته بود. در مقایسه مقادیر مشاهداتی و شبیه­سازی، مدل توسعه­یافته دارای تخمین بیش­برآورد می­باشد. کاهش 16/51 درصدRRMSE  در شبیه­سازی بارندگی فصلی نیز بیانگر افزایش دقت مدل توسعه­یافته براساس تحلیل خوشه­ای بود. ضریب همبستگی بین بارندگی شبیه­سازی با مدل SARIMA توسعه­یافته و مشاهداتی به مقدار زیادی افزایش یافته و به سطح معنی­داری رسیده است. بنابراین استفاده از تحلیل خوشه­ای و توسعه مدل SARIMA میزان دقت عملکرد مدل را افزایش داده است.

کلیدواژه‌ها


عنوان مقاله [English]

Improvement of Seasonal ARIMA Model and Investigation of Model Performance for Monthly Precipitation Simulation

نویسنده [English]

  • Laleh Parviz
چکیده [English]

Precipitation is an important component of the hydrological cycle which links atmospheric and surficial process. Therefore, accurate modeling and estimation of parameter are needed for water resources management, irrigation scheduling, agricultural management and water allocation. SARIMA model is the most popular model for monthly precipitation simulation. The weakness of model is to ignore the inter-monthly variation within each year. Therefore, the aim of paper is the improvement of SARIMA model which takes into account the interannual, inter-monthly variation and comparison the performance of improved model with SARIMA model in Ardabil station. Ward's method for clustering of monthly precipitation time series and linear regression model for determination the relation between statistical characteristic of each cluster and monthly precipitation have been applied. 24.05%, 17.24% and 28.48% decreasing of RRMSE, RMSE and MAE from SARIMA to improved SARIMA model indicated the acceptable performance of improved model. The comparison of observed and simulated values showed the overestimation of improved model simulation. 51.16% RRMSE decreasing in seasonal precipitation simulation was expressive of accuracy increasing of improved model basis on the clustering analysis. The correlation coefficient between simulated of improved SARIMA model and observed precipitation data was increased and reached to the significant level. Therefore, the clustering analysis and improvement of SARIMA model, increased the accuracy of model.

کلیدواژه‌ها [English]

  • Precipitation
  • improvement
  • Clustering Analysis
  • SARIMA