ارزیابی رویکردهای ساختاری فضای حالت نسبت به کلاسیک در پیش بینی سری زمانی بارش ( حوضه آبریز دز)

در این مقاله، مطالعه‌ای در مورد استفاده از تکنیک‌های پیش‌بینی بارش با داده‌های سری زمانی ارائه شد. سری‌های زمانی ابزاری کارآمد برای شناخت ماهیت پدیده‌های هیدرولوژیکی هستند که با داشتن شناخت کافی از آن‌ها می‌توان تغییرات آینده را مدل‌‌سازی و پیش‌بینی کرد. مدل‌های مختلف آماری با هدف کاهش خطا و بالا بر...

Full description

Bibliographic Details
Main Authors: محمدرضا شریفی, امین محمدزاده شعبه گر, فریدون رادمنش, بهزاد منصوری
Format: Article
Language:fas
Published: University of Tehran, College of Aburaihan 2022-03-01
Series:مدیریت آب و آبیاری
Subjects:
Online Access:https://jwim.ut.ac.ir/article_86598_3b02b131062b72a17cbe28cf42f3650d.pdf
_version_ 1818265042294931456
author محمدرضا شریفی
امین محمدزاده شعبه گر
فریدون رادمنش
بهزاد منصوری
author_facet محمدرضا شریفی
امین محمدزاده شعبه گر
فریدون رادمنش
بهزاد منصوری
author_sort محمدرضا شریفی
collection DOAJ
description در این مقاله، مطالعه‌ای در مورد استفاده از تکنیک‌های پیش‌بینی بارش با داده‌های سری زمانی ارائه شد. سری‌های زمانی ابزاری کارآمد برای شناخت ماهیت پدیده‌های هیدرولوژیکی هستند که با داشتن شناخت کافی از آن‌ها می‌توان تغییرات آینده را مدل‌‌سازی و پیش‌بینی کرد. مدل‌های مختلف آماری با هدف کاهش خطا و بالا بردن دقت پیش‌بینی، درنظر گرفته شده است. فضای حالت به‌واسطه ساختاری بودن و انعطاف‌پذیربودن آن، امکان مدل‌بندی هر یک از مؤلفه‌های تشکیل‌دهنده متغیر، شامل سطح، فصلی و تصادفی را به‌طور مجزا دارد. از این‌رو با شناسایی سیستم در نحوه مدل‌سازی متغیر مورد مطالعه، امکان کنترل و حداقل نمودن خطای برآورد، به‌طور هوشمندانه‌تری در مقایسه با مدل‌های کلاسیک را دارد. در تحقیق حاضر به‌منظور ارزیابی قابلیت مدل‌سازی فضای حالت و مقایسه با مدل‌های کلاسیک، اقدام به مدل‌سازی بارش ماهانه در سه ایستگاه باران‌سنجی، در حوضه آبریز دز، با چهار مدل ساختاری فضای حالت شامل فیلتر کالمن، مدل هموارسازی نمایی ETS و مدل‌های هموار‌سازی نمایی اصلاح شده BATS و TBATS و مدل کلاسیک ARIMA گردید. نتایج نشان داد در ایستگاه سپیددشت سزار بر اساس معیار RMSE و MAE مدل TBATS و در ایستگاه تنگ پنج بختیاری بر اساس معیار RMSE و MAE مدل فیلتر کالمن و در ایستگاه تله زنگ بر اساس معیار RMSE و MAE مدل TBATS بهترین مدل‌ها انتخاب شدند.
first_indexed 2024-12-12T19:44:31Z
format Article
id doaj.art-d86cd303108d42a7ae3eb44868681f62
institution Directory Open Access Journal
issn 2251-6298
2382-9931
language fas
last_indexed 2024-12-12T19:44:31Z
publishDate 2022-03-01
publisher University of Tehran, College of Aburaihan
record_format Article
series مدیریت آب و آبیاری
spelling doaj.art-d86cd303108d42a7ae3eb44868681f622022-12-22T00:14:08ZfasUniversity of Tehran, College of Aburaihanمدیریت آب و آبیاری2251-62982382-99312022-03-0112111310.22059/jwim.2022.336530.95686598ارزیابی رویکردهای ساختاری فضای حالت نسبت به کلاسیک در پیش بینی سری زمانی بارش ( حوضه آبریز دز)محمدرضا شریفی0امین محمدزاده شعبه گر1فریدون رادمنش2بهزاد منصوری3استادیار، گروه هیدرولوژی و منابع آب، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران.دانشجوی دکتری منابع آب، گروه هیدرولوژی و منابع آب، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران.دانشیار، گروه هیدرولوژی و منابع آب، دانشکده مهندسی آب و محیط زیست، دانشگاه شهید چمران اهواز، اهواز، ایران.دانشیار، گروه آمار، دانشکده علوم ریاضی و کامپیوتر، دانشگاه شهید چمران اهواز، اهواز، ایران.در این مقاله، مطالعه‌ای در مورد استفاده از تکنیک‌های پیش‌بینی بارش با داده‌های سری زمانی ارائه شد. سری‌های زمانی ابزاری کارآمد برای شناخت ماهیت پدیده‌های هیدرولوژیکی هستند که با داشتن شناخت کافی از آن‌ها می‌توان تغییرات آینده را مدل‌‌سازی و پیش‌بینی کرد. مدل‌های مختلف آماری با هدف کاهش خطا و بالا بردن دقت پیش‌بینی، درنظر گرفته شده است. فضای حالت به‌واسطه ساختاری بودن و انعطاف‌پذیربودن آن، امکان مدل‌بندی هر یک از مؤلفه‌های تشکیل‌دهنده متغیر، شامل سطح، فصلی و تصادفی را به‌طور مجزا دارد. از این‌رو با شناسایی سیستم در نحوه مدل‌سازی متغیر مورد مطالعه، امکان کنترل و حداقل نمودن خطای برآورد، به‌طور هوشمندانه‌تری در مقایسه با مدل‌های کلاسیک را دارد. در تحقیق حاضر به‌منظور ارزیابی قابلیت مدل‌سازی فضای حالت و مقایسه با مدل‌های کلاسیک، اقدام به مدل‌سازی بارش ماهانه در سه ایستگاه باران‌سنجی، در حوضه آبریز دز، با چهار مدل ساختاری فضای حالت شامل فیلتر کالمن، مدل هموارسازی نمایی ETS و مدل‌های هموار‌سازی نمایی اصلاح شده BATS و TBATS و مدل کلاسیک ARIMA گردید. نتایج نشان داد در ایستگاه سپیددشت سزار بر اساس معیار RMSE و MAE مدل TBATS و در ایستگاه تنگ پنج بختیاری بر اساس معیار RMSE و MAE مدل فیلتر کالمن و در ایستگاه تله زنگ بر اساس معیار RMSE و MAE مدل TBATS بهترین مدل‌ها انتخاب شدند.https://jwim.ut.ac.ir/article_86598_3b02b131062b72a17cbe28cf42f3650d.pdfباکس-جنکینزفضای حالتفیلترکالمنهموارسازی نمایی
spellingShingle محمدرضا شریفی
امین محمدزاده شعبه گر
فریدون رادمنش
بهزاد منصوری
ارزیابی رویکردهای ساختاری فضای حالت نسبت به کلاسیک در پیش بینی سری زمانی بارش ( حوضه آبریز دز)
مدیریت آب و آبیاری
باکس-جنکینز
فضای حالت
فیلترکالمن
هموارسازی نمایی
title ارزیابی رویکردهای ساختاری فضای حالت نسبت به کلاسیک در پیش بینی سری زمانی بارش ( حوضه آبریز دز)
title_full ارزیابی رویکردهای ساختاری فضای حالت نسبت به کلاسیک در پیش بینی سری زمانی بارش ( حوضه آبریز دز)
title_fullStr ارزیابی رویکردهای ساختاری فضای حالت نسبت به کلاسیک در پیش بینی سری زمانی بارش ( حوضه آبریز دز)
title_full_unstemmed ارزیابی رویکردهای ساختاری فضای حالت نسبت به کلاسیک در پیش بینی سری زمانی بارش ( حوضه آبریز دز)
title_short ارزیابی رویکردهای ساختاری فضای حالت نسبت به کلاسیک در پیش بینی سری زمانی بارش ( حوضه آبریز دز)
title_sort ارزیابی رویکردهای ساختاری فضای حالت نسبت به کلاسیک در پیش بینی سری زمانی بارش حوضه آبریز دز
topic باکس-جنکینز
فضای حالت
فیلترکالمن
هموارسازی نمایی
url https://jwim.ut.ac.ir/article_86598_3b02b131062b72a17cbe28cf42f3650d.pdf
work_keys_str_mv AT mḥmdrḍạsẖryfy ạrzyạbyrwyḵrdhạysạkẖtạryfḍạyḥạltnsbtbhḵlạsyḵdrpysẖbynysryzmạnybạrsẖḥwḍhậbryzdz
AT ạmynmḥmdzạdhsẖʿbhgr ạrzyạbyrwyḵrdhạysạkẖtạryfḍạyḥạltnsbtbhḵlạsyḵdrpysẖbynysryzmạnybạrsẖḥwḍhậbryzdz
AT frydwnrạdmnsẖ ạrzyạbyrwyḵrdhạysạkẖtạryfḍạyḥạltnsbtbhḵlạsyḵdrpysẖbynysryzmạnybạrsẖḥwḍhậbryzdz
AT bhzạdmnṣwry ạrzyạbyrwyḵrdhạysạkẖtạryfḍạyḥạltnsbtbhḵlạsyḵdrpysẖbynysryzmạnybạrsẖḥwḍhậbryzdz