پیش‌بینی دبی با استفاده از تحلیل سری‌های زمانی با مدل Sarimaدر شرایط خشکسالی مطالعه موردی: ایستگاه دبی‌سنجی پیرسلمان در رودخانه جامیشان

تامین نیاز های آبی به دلیل کاهش منابع آب و افزایش جمعیت به مراتب مشکل تر و محدودتر از گذشته است. از سویی کاهش نزولات جوی و محدودیت شدید منابع آب، ضرورت پیش بینی بارش و دبی ناشی از آن را در بازه های زمانی ماهانه و سالانه در مقیاس حوضه آبریز و زیرحوضه های آن را دو چندان می نماید. اساس این کار ارزیابی جوی و پیش بینی بارندگی در سری های زمانی است. یکی از فرضیات کلیدی در سری های زمانی ایستا بودن آنها است. با این وجود، بسیاری از سری های هیدرولوژیکی بنا به دلایل مختلف مانند روند، پرش و تناوب ناایستا هستند. هدف از این پژوهش ارزیابی ایستایی سری زمانی بارندگی به منظور انتخاب مناسب ترین مدل جهت پیش بینی دبی جریان رودخانه جامیشان در ایستگاه آب سنجی پیرسلمان بود. حوضه جامیشان در شمال شرقی استان کرمانشاه در بالادست رودخانه دینور قرار دارد. به این منظور داده های بارندگی ماهانه در یک دوره 25 ساله (1365-1390) استفاده شد. از آنجایی که سری زمانی ناایستا است و عوامل ناایستایی آن حذف نگردید در نهایت پارامترهای مدل غیر فصلی sarima با استفاده از نرم افزار minitab جهت پیش بینی باران ماهانه محاسبه گردید. برای صحت سنجی مدل از معیار نرمال بودن و مستقل بودن باقی مانده ها استفاده شد و در نهایت مقادیر دبی رودخانه پیر سلمان به کمک مدل 12(3,0,1) ×(3,0,1)sarima نسبت به مدل های دیگر با داشتن میانگین خطای کمتر در پیش بینی برآورد گردید.

Forecasting flow discharge through time series analysis using SARIMA model for drought conditions, a case study of Jamishan River

Nowadays, water supply is more limited and providing water is more difficult due to increasing population and demand for water. Thus, due to rainfall shortage and impacts of drought, the need for forecasting monthly and annual rainfall and flow discharge through time series analysis is acutely felt. One of the key assumption in time series is their static condition. However, hydrological time series are sometimes dynamic due to independent occurrences and variations. The objective of this study was to evaluate a suitable forecast model for water flow discharge through evaluating whether time series data of rainfall in Jamishan river, Kermanshah, Iran were static. The 25year data of monthly rainfall (19882013) were used and assumed to be a dynamic series. Nonseasonal parameters of SARIMAS model were analyzed through MINTAB software. The accuracy, reliability, normality and independence of data were also evaluated. Finally, water flow discharge was modeled and predicted by SARIMA (3,0,1) x (3,0,1)12 which showed minimum mean error.