مدل سازی سری های زمانی دما و بارش ماهانه در تبریز با استفاده از مدل حافظه بلند مدت arfima

تغییرات سری‏ های زمانی میزان دما و بارش یکی از پارامترهای مهم اقلیمی در بررسی فرایندهای هیدرولوژیکی، کشاورزی، محیط ‌زیست، بهداشت، صنعت و اقتصاد است. ارزیابی و پیش‏بینی میزان دما و بارش کمک شایانی برای مدیران و برنامه‏ریزان کشاورزی و منابع آب است. یکی از روش‌های بررسی داده‌های سری زمانی استفاده از مدل‌های آماری است. با توجه به اهمیت موضوع، در این مقاله میزان دما و بارش ماهانه در نیم قرن اخیر (2018-1969) ایستگاه‏ هواشناسی همدید تبریز با استفاده از مدل arfima مورد بررسی قرار می‌گیرد، و برای برازش مدل از آزمون‌های r/s و gph استفاده شده است. در ادامه برای بررسی ایستایی مدل از توابع خودهمبستگی (adf)، خودهمبستگی جزئی (pacf) و روش تفاضل‏گیری استفاده شده‌است. اما از آنجایی که برای اولین بار داده‌های ایستگاه هواشناسی همدید با استفاده از مدل arfima مورد ارزیابی قرار می‌گیرد، برای بررسی دقت از معیارهای اطلاع بیزی (bic)، مجذور میانگین مربعات خطا (rmse) و آکائیک (aic) استفاده شده است. نتایج بررسی مدل با حافظه بلندمدت سری‏های زمانی میزان دما و بارش در سطح 95 درصد مورد تایید قرار گرفت. با این تفاوت که برای پارامتر بارش به نظر می‌رسد این عمل شکننده است. همچنین تحلیل ساختارهای مختلف نشان‌دهنده آن است که داده‏های میزان دما و میزان بارش به ترتیب با استفاده از مدل arfima(3,0.2,1) مدل arfima(1,0.0004,4) بهترین برازش یا عملکرد را دارند. و قابل ذکر است مقدار rmse مدل‌های برازش بین مقادیر مشاهداتی و شبیه‏سازی میزان دما و بارش به ترتیب برابر با 2/2 و 38/4 است، که حاکی از دقت مناسب مدل‌های ارائه شده است و می‏توان از آن برای پیش ‏بینی استفاده کرد.