استفاده از مدل‌های غیر قطعی در پیش‌بینی دبی متوسط ماهیانه با استفاده از مدل های سری زمانی(مطالعه موردی: چشمه سلیمانیه کاشان)

استفاده از انواع مختلف روش های تحلیل سری های زمانی، از شیوه های متداول در پیش بینی عوامل هیدرولوژیکی است. در این پژوهش، وضعیت دبی چشمه سلیمانیه کاشان با استفاده از داده های 11 ساله (داده های ماهیانه) ایستگاه چشمه سلیمانیه با استفاده از مدل های مختلف سری زمانی مورد بررسی قرار گرفت. سپس با استفاده از بهترین مدل، اقدام به پیش بینی دبی چشمه برای 9 سال آینده گردید. در این پژوهش، داده ها با استفاده از 12 مدل سری زمانی که شامل مدل های اتورگرسیو، میانگین متحرک، اتورگرسیوـ میانگین متحرک مرکب و مدل های فصلی و غیرفصلی باکس و جنکینز بودند، بررسی شدند. در نهایت با توجه به اینکه در مدلsarima (1,1,0) (1,1,1) [12]، مقدار aic کمترین و پارامترهای مدل از عدد یک تجاوز نکردند، این مدل به منظور پیش بینی داده های دبی انتخاب شد. در ادامه به منظور بررسی وضعیت نرمال بودن داده های پیش بینی شده از آزمون کلموگروف ـ اسمیرنف استفاده شد. نتایج به دست آمده از آزمون نرمالیته، حاکی از نرمال بودن داده های پیش بینی شده بود؛ بنابراین با توجه به نتایج به دست آمده، می توان نتیجه گرفت که نوع مدل های انتخابی به عنوان تابع پیش بینی کننده بسیار مهم بوده و بر روی دقت جواب های خروجی کاملاً موثر است. همچنین با توجه به ماهیت غیرقطعی مسائل هیدرولوژیکی، سری های زمانی به عنوان یکی از روش های مناسب در پیش بینی پدیده های هیدرولوژیکی هستند.

Using stochastic models to predict monthly average discharge using time series models (Case Study: Springs Sulaimaniyah Kashan)

Different types of time series analysis models are commonly used for predicting hydrologicalfactors. In this study, the situation of Soleimanieh spring discharge in Kashan wasinvestigated using various time series models and mean monthly flow during 11 year period.Then, spring discharge predicted using the best modals for future 9 years. In this research, thedata were analyzed using 12 time series models including Autoregressive, Moving average,Autoregressive composite moving average, seasonal and non seasonal models such as Boxand Jenkins. Finally, the results showed that the value of AIC is the lowest and modelparameters don,t exceed of one in SARIMA (1, 1, 0) (1, 1, 1) [12] model. So, this model wasselected to predict discharge data. Then, Komogorov Smirnov test was used to investigate thenormality situation of the predicted data. The obtained results showed that predicted data arenormal. Therefore, according to the results, it can be conducted as the type of selected modelis very important and it affects the accuracy of output response. Also, according to theuncertain nature of hydrological issues, time series models are one of the best methods inhydrological prediction.