ارزیابی کارایی مدل های سری زمانی در تعیین بهترین مدل برای پیش‌بینی بارش های سالانه ایستگاه‌های منتخب شمال غرب ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استاد آب و هواشناسی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی

2 گروه جغرافیای طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران

چکیده

بارش به‌عنوان یکی از مهم‌ترین عناصر اقلیمی و مؤلفه‌ای اصلی و تعیین‌کننده در بیلان آب هر منطقه تلقی می‌گردد. تغییر زمانی و مکانی بارش برحسب نوع اقلیم هر منطقه متفاوت بوده و این تغییر به‌ویژه در مناطق دارای اقالیم خشک و نیمه‌خشک بیشتر است. منطقه شمال غرب ایران علاوه بر نیمه‌خشک بودن، به‌دلیل کوهستانی بودن شاهد تغییرات زمانی و مکانی زیادی ازنظر بارش است. شناخت و بررسی این متغیر و روند آن می‌تواند در پیش‌نگری‌ها و ترسیم چشم‌انداز تغییرات احتمالی آن مفید و مؤثر واقع شود. در این پژوهش برای پیش‌بینی بارش سالانه ایستگاه‌های منتخب شمال غرب ایران شامل: تبریز، ارومیه، سقز، زنجان، سنندج و خوی طی دوره آماری ۶۱ ساله (۲۰۲۱-۱۹۶۱) از سری زمانی استفاده گردید. به‌منظور ارزیابی ایستایی مدل از تابع خودهمبستگی استفاده شد و داده‌های ناایستا با به‌کارگیری روش تفاضل‌گیری به داده‌های ایستا تبدیل شدند. سپس مدل‌های تصادفی برای تعیین بهترین مدل برای برازش بارش ایستگاه‌ها مورد ارزیابی قرار گرفتند. توزیع سری زمانی و تحلیل روند معادله خط رگرسیون بارش ایستگاه‌های همدید شمال غرب برحسب میلی‌متر نشان‌دهنده این است که شیب‌خط در همه ایستگاه‌ها، روند کاهشی دارد و کاهش بارش در ایستگاه‌ها بین ۱ تا ۳ میلی‌متر در سال برآورد شده است. از بین مدل‌های میانگین متحرک (MA)، اتورگرسیون (AR)، مدل میانگین متحرک خودهمبسته (ARMA) و مدل میانگین متحرک تجمعی خودهمبسته (ARIMA) برحسب مقدار قدر مطلق آماره T بیش‌تر از مقدار ۲، P– value کمتر از ۰۵/۰ و کمترین مقدار معیار اطلاعات آکائیکی (AIC)، مدل (۰، ۰، ۱) AR برای ایستگاه‌های سقز، زنجان، ارومیه، خوی و تبریز و مدل (۱،۰،۱) ARIMA برای ایستگاه سنندج به‌عنوان بهترین مدل تعیین شدند. نتایج پیش‌بینی نشان دهنده افزایش بارش برای سال ۲۰۲۳ و کاهش بارش برای سال‌های ۲۰۲۴ و ۲۰۲۵ است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Evaluating the effectiveness of time series models in determining the best model for predicting annual rainfalls in selected stations in northwest of Iran

نویسندگان [English]

  • Bromand Salahi 1
  • Mahnaz Saber 2
  • Fatemeh Vatanparast Galeh Juq 2
1 استاد آب و هواشناسی، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی
2 Department of Physical Geography, Faculty of Social Sciences, University of Mohaghegh Ardabili, Ardabil, Iran
چکیده [English]

Rainfall is considered as one of the most important climatic elements and main and determining components in the water balance of any region. In addition to being semi-arid, the north-western region of Iran, due to its mountainous nature, witnesses many temporal and spatial changes in terms of precipitation. In this research, a time series was used to predict the annual rainfall of selected stations in the northwest of Iran including: Tabriz, Orumiyeh, Saqez, Zanjan, Sanandaj and Khoy during a statistical period of 61 years (1961-2021). In order to evaluate the stationarity of the model, the autocorrelation function was used, and the unstable data were converted to static data using the differentiation method. Then, the random models were evaluated to determine the best model to fit the rainfall of the stations. The distribution of time series and the trend analysis of the equation of the regression line of precipitation in the north-west synoptic stations in terms of millimeters show that the slope of the line in all stations has a decreasing trend and the decrease in precipitation in the stations is between 1 and 3 mm per year. It is estimated. Among the moving average (MA), autoregression (AR), autocorrelated moving average (ARMA) and autocorrelated cumulative moving average (ARIMA) models, according to the absolute value of the T statistic, it is greater than 2, P-value is less than 0.5 0 and the lowest value of Akaike information criterion (AIC), the (0, 0, 1) AR model for Saqez, Zanjan, Orumiyeh, Khoi and Tabriz stations and the (1, 0, 1) ARIMA model for Sanandaj station were determined as the best models. The forecast results show an increase in rainfall for 2023 and a decrease in rainfall for 2024 and 2025.

کلیدواژه‌ها [English]

  • Time Series
  • ARMA Model
  • Precipitation
  • North-West of Iran

مراجع

امینی­نیا، کریم و ثاقبیان، سید مهدی (۱۰۴۱). بررسی پارامترهای تأثیرگذار در مدل‌سازی بارش ماهانه با استفاده از مدل­های تلفیقی هوشمند مبتنی بر شبیه­سازی سری زمانی. نشریه آبیاری و زهکشی ایران، سال ۱۶، شماره ۴، ص ۷۸۹-۸۰۳.
ایمانی امیرآباد، سمیه؛ فرخ نیا، اشکان؛ مرید، سعید و روزبهانی، رضا (۱۳۹۹). بررسی روند تغییرات زمانی- مکانی دما و بارش در حوضه آبریز طشک-بختگان. نشریه مهندسی عمران امیرکبیر، سال ۵۲، شماره ۱۱، ص ۲۹۳۱– ۲۹۴۴.
ایمانی، رسول؛ قضاوی، رضا و اسماعیلی آوری، اباذر (۱۴۰۰). بررسی روند، تجزیه و تحلیل، مدل‌سازی و پیش­بینی بارش ماهانه با استفاده از مدل­های تصادفی سری زمانی (مطالعه موردی: ایستگاه سینوپتیک اردبیل). فصلنامه مطالعات جغرافیایی مناطق خشک، سال ۱۱، شماره ۴۴، ص ۸۴-۹۸.
بارانی، نادر و آیت اله، کرمی (۱۳۹۸). تحلیل روند سالانه پارامترهای اقلیمی دما و بارش در نواحی ده­گانه زراعی – اکولوژیکی ایران. فصلنامه علوم محیطی، سال ۱۷، شماره ۴، ص ۷۵-۹۰.
بزرگ­نیا، ابوالقاسم و خرمی، مصطفی. (۱۳۸۶). تجزیه‌ و تحلیل سری‌های زمانی با نرم‌افزار MINITAB14. مشهد: انتشارات سخن‌گستر مشهد.
تیموری یگانه، مریم و تیموری یگانه، لیلا (۱۳۹۹). کاربرد مدل سری زمانی برای تخمین میزان بارش ماهانه در استان کرمانشاه. نشریه پژوهش­های اقلیم­شناسی، سال ۱۱، شماره ۴۴، ص ۱۲۱-۱۳۲.
جندقی، نادر؛ عظیم محسنی، مجید و قره محمودلو، مجتبی (۱۴۰۰). مدل­سازی فرآیند بارش – رواناب با استفاده از تابع انتقال سری زمانی. مجله پژوهش­های فرسایش محیطی، سال ۱۱، شماره ۴۲، ص ۱۱۱-۱۲۸.
حسنوند، زیبا؛ یاراحمدی، داریوش و میرهاشمی، حمید (۱۴۰۱). تحلیل روند تغییرات سری زمانی بیشینه بارش روزانه و سالانه حوضه آبریز کرخه و دز. مجله مخاطرات محیط طبیعی، سال ۱۱، شماره ۳۲، ص ۱۴۹-۱۶۹.
رسولی، علی‌اکبر و جوان، خدیجه (۱۳۹۱). تحلیل روند وقوع توفان‌های رعد و برقی در نیمه غربی ایران با کاربرد آزمون‌های ناپارامتری. مجله فضای جغرافیایی، سال ۱۲، شماره ۳۸، ص ۱۱۱-۱۲۶.
سلطانی گردفرامرزی، سمیه؛ صابری، عارف و قیصوری، مرتضی (۱۳۹۶). تعیین بهترین مدل سری زمانی در پیش­بینی بارندگی سالانه ایستگاه­های منتخب استان آذربایجان غربی. نشریه تحقیقات کاربردی علوم جغرافیایی، سال ۱۷، شماره ۴۴، ص ۸۷-۱۰۵.
صلاحی، برومند و ملکی مرشت، رقیه (۱۳۹۴). پیش­بینی و تحلیل تغییرات بارش­های ماهانه شهرستان اردبیل با استفاده از مدل­های آریما، اتورگرسیو و وینترز. نشریه آب و خاک (علوم و صنایع کشاورزی)، سال ۲۹، شماره ۵، ص ۱۳۹۱-۱۴۰۵.
عبدالله­نژاد، کامل (۱۳۹۴). مدل‌های تصادفی سری زمانی در پیش­بینی بارندگی ماهانه. مطالعه موردی: ایستگاه هاشم­آباد گرگان. مجله آمایش جغرافیایی فضا، فصلنامه علمی پژوهشی دانشگاه گلستان، سال ۵، شماره ۱۷، ص ۱۵-۲۵.

علوی پناه، سید کاظم (۱۳۹۴). کتاب اصول سنجش از دور نوین و تفسیر تصاویر ماهواره­ای و عکس­های هوایی (چاپ چهارم). تهران: نشر دانشگاه تهران.

غفوریان، هادی، ثنائی نژاد، سید حسین و جباری نوقابی، مهدی (۱۳۹۹). ارزیابی مدل­های سری زمانی در پیش‌بینی بارش فصلی مبتنی بر داده­های سنجش از دور (مطالعه موردی: اقلیم­های خشک و نیمه­خشک). نشریه پژوهش­های اقلیم­شناسی، سال ۱۱، شماره ۴۲، ص ۷۷-۹۴.
گودرزی، لیلا و روزبهانی، عباس (۱۳۹۴). بررسی کارایی مدل­های سری زمانی آریما و هالت وینترز در پیش‌بینی دما و بارش ماهانه (مطالعه موردی: ایستگاه لتیان). نشریه علوم و مهندسی آبیاری، جلد ۴۰، شماره ۳، ص ۱۳۷-۱۴۹.
مزیدی، احمد و طوفانی، هاجر (۱۴۰۰). بررسی روند تغییرات دما و بارش ایستگاه همدید ارومیه به روش آماری من کندال، مجله جغرافیا و روابط انسانی. سال ۴، شماره ۲، ص ۳۵۷-۳۷۰.
معصوم پور سماکوش، جعفر؛ جلیلیان، عبدالله و یاری، احترام (۱۳۹۶). تحلیل سری زمانی بارش­های فصلی ایران. مجله پژوهش­های جغرافیای طبیعی، سال ۴۹، شماره ۳، ص ۴۵۷-۴۷۵.
Caloiero, T., Coscarelli, R., Ferrari, E. (2020). Assessment of seasonal and annual rainfall trends in Calabria (Southern Italy) with the ITA method. Journal of Hydroinformatics, 22(4), p 738-748. https://doi.org/10.2166/hydro.2019.138.
Chang, X., Gao, M., Wang, Y.X., Hou X., (2012). Seasonal autoregressive integratedmoving average model for precipitation time series. Journal of Mathematics and Statistics, 8 (4), p 500-505.
Kibunja, H. W., Kihoro, J. M., Orwa, G. O., Yodah, W. O., (2014). Forecasting Precipitation Using SARIMA Model: A Case Study of Mt. Kenya Region. Mathematical Theory and Modeling, 4(11), pp 50-58.
Kumar, S., Tripathy, D., Nayak, S., Mohaparta, S., (2013). Prediction of rainfall in India using artificial neural network models. International Journal of intelligent system and applications, 12, pp 1-22.
Pasaribu, Y. P., Fitrianti, H., and Suryani, D. R. (2018). Rainfall forecast of Merauke using autoregressive integrated moving average model, E3S Web of Conferences, 73(12010), pp 1-5.
Sampson, W., Suleman, N., Gifty, A. Y. (2013). Proposed seasonal autoregressive integrated moving average Model for Forecasting Rainfall Pattern in the NavrongoMunicipality. Ghana. Journal of Environment and Earth Science, 3(12), pp 80-85.
Wang, H. R., Wang, C., Lin, X. and Kang, J., (2014). An improved ARIMA model for precipitation simulations. Nonlinear Processes in Geophysics, 21, pp 1159-1168.

فایل ها

سابقه مقاله

  • تاریخ دریافت: 06 بهمن 1401
  • تاریخ پذیرش: 17 بهمن 1401

هم رسانی

ارجاع به این مقاله

آمار