بهبود کیفیت مدل ‌سازی آماری نوسانات سرعت باد با استفاده از مدل ‌های گارچ و گارچ نامتقارن (ایستگاه هواشناسی اردبیل)

ایران به دلیل مجاورت با دریا و دارا بودن فلات‌های گوناگون، کشوری بادخیز است. آمارهای جهانی 30 سال گذشته حاکی از افزایش نیازهای انرژی جهان است و استفاده بهینه از منابع انرژی‌های تجدیدپذیر، از جمله انرژی باد برای تولید برق ارزان به ویژه براساس نگرش‌های زیست محیطی در بسیاری از کشورهای جهان رو به افزایش است. به دلیل ناپایداری انرژی باد استفاده از آن با چالش مواجه است که با مدل سازی نوسانات سرعت باد، می‌توان این مشکل را کاهش داد. شهر اردبیل بادخیز و تحت تاثیر دو نوع باد محلی و جبهه‌ای است. در این مقاله داده‌های ثبت شده میانگین هفتگی سرعت باد در ایستگاه هواشناسی شهر اردبیل طی سال‌های 1395-1380 با استفاده از الگوهای سری زمانی، مدل های گارچ (شامل مدل گارچ و مدل های گارچ نامتقارن) مدل سازی می‌شوند. بر اساس معیارهای اطلاع bic, aic, hq ، بهترین مدل برای نوسانات سرعت باد در این ایستگاه طبق نتایج، مدل گارچ تعیین گردید. برای تجزیه و تحلیل داده ها با روش مدل سازی باکس-جنکینز، از دو نرم‌افزار eviews  وr  استفاده می‌شود.

improving the quality of statistical modeling of wind speed volatilities using garch and asymmetric garch models (ardebil meteorological station)

iran is a windy country due to its proximity to the sea and having various plateaus. the global statistics of the last 30 years indicate an increase in the world’s energy needs. therefore, the optimal use of renewable energy sources, including wind energy for electricity generation, especially based on environmental attitudes, is increasing in many countries of the world. but due to the instability of wind energy, its use faces a challenge, which can be effectively reduced by modeling wind speed volatilities. in this article, the weekly mean recorded data of wind speed in ardabil meteorological station during 1380-1395 are modeled using time series garch models (including garch model and asymmetric garch models). based on the bayesian information criterion, the best model for wind speed volatilities in ardabil meteorological station is the garch model. in this article, box-jenkins modeling method with eviews and r software is used for data analysis.