پیش‌بینی جریان ورودی با استفاده از تحلیل مدل‌های سری‌ زمانی (مطالعه موردی: سد جامیشان)

به‌عنوان تغذیه‌کننده آبخوان‌‌‌ها و پارامتر تاثیرگذار در معادلات و گزارش بیلان آب، پیش‌بینی آبدهی سد و رودخانه‌ها نقشی چشم‌گیر در برنامه‌ریزی، مدیریت و بهره‌برداری بهینه و پایدار از منابع آب‌ زیرزمینی دارا می‌باشد. در این پژوهش به ‌منظور ساماندهی حوضه آبریز جامیشان آبدهی ماهانه این حوضه با استفاده از روش‌های تحلیل سری زمانی مورد پیش‌بینی قرار گرفته شد. بدین منظور، از داده‌های ماهانه دبی ورودی به سد جامیشان در شهرستان سنقز استان کرمانشاه در بازه زمانی (13941365) استفاده ‌گردید. آنالیز اولیه داده‌ها شامل بررسی ترم‌های قطعی سری (تناوب، روند و پرش) با استفاده از آزمون منکندال در قالب نرم افزار minitab انجام و پس از اطمینان از حذف این ترم‌ها، داده‌‌ها نرمال و ایستایی داده‌ها مشخص شد. سپس با توجه به توابع خودهمبستگی و خودهمبستگی جزئی سعی گردید تا مدل‌های سری زمانی مناسب برای دوره واسنجی به داده‌های موردنظر برازش داده شود و با آزمون‌ عدم همبستگی پورت‌مانتو و نرمال بودن باقی‌مانده‌ها، تعدادی از مدل‌هایی که فاقد این شرایط بودند حذف گردد. نتایج حاکی از آن است که در بین مدل‌های باقی‌مانده با آزمون‌ آکائیک (aic)، مدل سری زمانیarima(1,1,1)  با مقدار آکاییک 76/11 و واریانس خطای 92/0 به‌عنوان بهترین مدل مشخص گردید، در مرحله صحت‌سنجی نیز با بهره‌گیری از بهترین مدل در دوره واسنجی پیش‌بینی صورت گرفت و نتایج مربوط به عدم وجود خودهمبستگی بین باقی‌مانده‌ها حاصل از برازش مدل منتخب مقادیر خطاهای دوره صحت‌سنجی با آزمون‌‌ بارلت‌تست مورد ارزیابی قرار گرفت. نتایج آماره پرت‌مانتو حاکی از آن است در تمامی‌تاخیرها pvalue بیش‌تر از 05/0 می‌باشد که این نتایج بیان‌گر مستقل بودن باقی‌مانده‌ها را تایید می‌کند. همچنین نتایج بارلت‌تست نشان از دقت بالای مدل دارد. پس از موفقیت مدل در آزمون‌‌های صحت‌سنجی، حال مدل این قابلیت را دارد که وارد مرحله پیش‌بینی شود، نتایج نشان داد مدل نحوه تغییرات دبی نسبت به زمان را به خوبی شناسایی کرده است و در حالت کلی اگر ترم‌های قطعی از سری زمانی حذف شود، برازش مدل نتیجه بهتری می‌دهد و مدلی که آکائیک و واریانس باقی‌مانده‌ کم‌تری دارد مدل بهتری است.

Predicting Inlet Flow to Jamishan Dam Using Time Series Models

As aquifer feeder and influential parameter in water balance equations and groundwater resources balance, accurate prediction of dams and rivers discharge plays an important role in planning managing and operating optimal and sustainable water resources. In this research, in order to organize the Jamishan catchment area. In order to predict the future natural hazards of the basin, the monthly discharge of this basin is predicted by time series analysis methods. In this regard Was used from monthly discharge data of entrance to jamishan dam in sonqor city of kermanshah province during the period (13601389). Initial analysis of data included a review of definitive series semantics (period, trend, jump) done on the time series and after assurance remove these semantics, data was normal and the data stagnation was made. By examining the correlation and partial correlation functions for fifty percent of the data, the selfcorrelated model (AR) and the moving average model (MA) were fitted for the calibration period to the time series and with the noncorrelation test of PortManto and the normalization of the remainder, a number of models that did not have these conditions were eliminated, and the best models were identified among the remaining models with Akayek’s test. In the verification stage, using the best model during the calibration period, for the fiftysecond percent of the data, the prediction verification step was performed. And error validation values were evaluated using white nose, BarlettTest (Cumulative Rotational), mean of remaining significance, and after the success of the model in the verification prototypes, it was used to predict the monthly discharge of the next 15 years. It can be concluded that the more the model is more static, the analysis of the series is easier and the model with less acacia gives a better answer.