غلامعباس فلاح قالهری؛ رسول سروستان
چکیده
هدف از پژوهش حاضر، پیشبینی و بررسی تعداد روزهای پدیده گرد و غبار ایستگاههای منتخب استان خوزستان با استفاده از مدلهای باکس-جینکیز است. پژوهش حاضر در هشت ایستگاه منتخب از استان خوزستان بهمنظور مقایسه دقت مدل باکس-جنکینز و پیشبینی مقدار پدیده گرد و غبار انجام شده است. با استفاده از نرمافزار Minitab 17 مدل سری زمانی باکس-جنکینز ...
بیشتر
هدف از پژوهش حاضر، پیشبینی و بررسی تعداد روزهای پدیده گرد و غبار ایستگاههای منتخب استان خوزستان با استفاده از مدلهای باکس-جینکیز است. پژوهش حاضر در هشت ایستگاه منتخب از استان خوزستان بهمنظور مقایسه دقت مدل باکس-جنکینز و پیشبینی مقدار پدیده گرد و غبار انجام شده است. با استفاده از نرمافزار Minitab 17 مدل سری زمانی باکس-جنکینز تعداد روزهای گرد و غبار ماهانه بررسی و بهترین مدل برازش داده شد، صحت و دقت مدلها به کمک نرمال بودن توزیع ماندهها، فرض ثابت بودن واریانس، نمودارهای مربوط به ماندهها در طول زمان، آزمون پرت-مانتو تأیید شد و در پایان از نرمافزار ArcGIS 10.4 برای ترسیم نقشههای خروجی استفاده شد. نتیجه این پژوهش نشان داد، الگوهای مناسب ماهانه بهترتیب برای رامهرمز، آغاجاری، بهبهان، آبادان، دزفول، امیدیه، اهواز، و مسجد سلیمان بترتیب (1،1،1)(0،1،2) ARIMA، (1،1،1)(1،1،2) ARIMA، (2،1،1)(0،1،3) ARIMA، (2،1،1)(0،1،1) ARIMA، (2،1،1)(0،1،2) ARIMA، (1،1،1)(1،1،3) ARIMA (1،1،1)(0،1،3) ARIMA (1،1،1)(0،3،4) ARIMA هستند که از دقت خوبی برای پیشبینی گرد و غبار برخوردار بودند. همچنین، پیشبینی تعداد روزهای پدیده گرد و غبار برای سالهای 2018 تا 2027 نشان داد که از میان شهرهای استان خوزستان شهرهای آغاجاری، آبادان و مسجد سلیمان بیشتر با پدیده گرد و غبار مواجه هستند و این امر توجه بیشتر مسئولان و برنامهریزان این شهرها را در مواجه با این پدیده طلب میکند.
میثم صمدی؛ عبدالرضا بهرهمند؛ ابوالحسن فتحآبادی
چکیده
در هر برنامه مدیریتی برای منابع آب، آگاهی از شرایط آینده بهمنظور تخصیص بهینه منابع آب به بخشهای مختلف از قبیل شرب، کشاورزی و غیره لازم میباشد. آنچه در این میان مهم میباشد، پیشبینی مقادیر جریان ورودی به سیستم منابع آب در ماههای آینده است. در این راستا، استفاده از روشهایی که بتواند با کمینه خطا و با توجه به ...
بیشتر
در هر برنامه مدیریتی برای منابع آب، آگاهی از شرایط آینده بهمنظور تخصیص بهینه منابع آب به بخشهای مختلف از قبیل شرب، کشاورزی و غیره لازم میباشد. آنچه در این میان مهم میباشد، پیشبینی مقادیر جریان ورودی به سیستم منابع آب در ماههای آینده است. در این راستا، استفاده از روشهایی که بتواند با کمینه خطا و با توجه به داده و اطلاعات موجود، جریان رودخانه را پیشبینی کند، از اهمیت فراوانی برخوردار میباشد. در پژوهش حاضر، مقادیر دبی ماهانه ورودی به سد بوستان برای آینده با استفاده از دادههای هیدرومتری ایستگاه تمر و بهکارگیری سه مدل سری زمانی، شبکه عصبی مصنوعی و ماشین بردار پشتیبان و همچنین، سه مدل ترکیبی پیشبینی شد. سپس، با استفاده از معیارهای ارزیابی اقدام به مقایسه عملکرد هر کدام از مدلها شد. با توجه به نتایج بهدست آمده در مدل، سری زمانی بر اساس کمینه بودن معیارهای آکاییک و شوارتز، مدل (1,0,1) ARIMA (2,0,0) بهعنوان مدل برتر انتخاب شد. در مدل شبکه عصبی، شبکه با ورودی 2 و 4 نرون و در مدل SVM شبکه با ورودی 3، بهعنوان شبکه برتر انتخاب شدند. در نهایت، با توجه به نتایج بهدست آمده از معیارهای ارزیابی، مدل سری زمانی بهترین عملکرد را داشته است که مقادیر معیارهای میانگین مربعات خطا، متوسط مقادیر مطلق خطای نسبی، میانگین مطلق خطا و نش-ساتکلیف برای این مدل بهترتیب برابر با 0.88، 4.71، 0.024- و 0.36 بهدست آمد. در نتیجه، مدل سری زمانی بهعنوان بهترین مدل برای پیشبینی دبی ماهانه در این ایستگاه معرفی شد.