تحلیل و پیش بینی نوسانات تراز آب دریای خزر با استفاده از مدل های استوکستیک سری زمانی

پیش بینی نوسانات تراز آب دریا ابزاری بسیار کارآمد به منظور مدیریت جامع دریا و حفاظت مناطق ساحلی است. از سوی دیگر استفاده از مفاهیم حاکم بر سری های زمانی در پیش بینی بسیار مناسب ارزیابی گردیده است. لذا در تحقیق حاضر، داده های اندازه گیری شده ماهانه تراز آب دریای خزر در دو ایستگاه ترازسنجی بندر انزلی و بندر نوشهر به ترتیب به مدت 40 سال و 14 سال در سواحل خزر جنوبی مورد استفاده قرار گرفت. وجود یا عدم وجود روند و بزرگی آن در داده ها با استفاده از آزمون ناپارامتری منکندال بررسی شد. در گام بعدی، روش های مختلف پیش بینی و مدل سازی سری های زمانی شامل »خود همبسته با میانگین متحرک تفاضلی « و »آریمای مکثر « بر داده ها برازش داده شد. در ادامه، توانایی و دقت هر روش در پیش بینی مقادیر آتی تراز دریا توسط معیار اطلاعاتی آکاییکه ارزیابی شده و برای تعیین بهترین مدل سری زمانی مورد بررسی قرار داده شد. نتایج پیش بینی در مدل های نهایی نشان می دهد عملکرد روش آریمای مکثر بر پایه تجزیه و تحلیل سری های زمانی، در برآورد و شبیه سازی رفتار استوکستیک تراز دریای خزر قابل قبول می باشد. ضمن آنکه طول دوره پیش بینی در مدل ها نسبت به تحقیقات گذشته افزایش قابل ملاحظه ای داشته است.

Water Level Fluctuation Analysis and Forecast in the Caspian Sea Using Stochastic Time Series models

Forecasting of sea level fluctuations is a suitable tool for comprehensive management of the sea and the protection of coastal areas. On the other hand, application of time series analysis for forecasting purposes has been evaluated to be very appropriate. Therefore, two time series consisting monthly measured sea level data were used in the present research. The data have been recorded at two stations of Anzali and Noushahr in the southern part of the Caspian sea for time lengths of 40 and 14 years, respectively. The nonparametric MannKendall test was employed to determine if measurements exhibit an increasing or decreasing trend. In the next step, different methods of forecasting and modeling of time series including Auto Regressive Integrated Moving Average and Multiplicative ARIMA method were fitted to the data. Then, Akaike Information Criterion was applied to assess the ability and accuracy of fitted methods in forecasting of sea level in future months and to determine the best time series model. The results of forecasting in the final models reveal that the performance of the Multiplicative ARIMA method based on time series analysis, to estimate and simulate the stochastic behavior of the Caspian sea level is acceptable. Meanwhile, the length of the forecast period in the models has increased significantly in comparison with previous researches.