پیش‌بینی میزان آبدهی قنات بلده فردوس با استفاده از سری‌های زمانی

یکی از مهم‌ترین منابع تامین آب برای مصارف مختلف از جمله آشامیدن، کشاورزی و فعالیت‌های صنعتی، آب‌های زیرزمینی می باشند که نقش مهمی در تامین نیازهای مردم ایفا می‌کنند. به دلیل اهمیت بالای این موضوع، هر ساله پژوهش‌های گسترده‌ای اعم از کمی و کیفی در خصوص این موضوع انجام می‌شود. هدف از این پژوهش پیش‌بینی میزان آبدهی قنات‌های بلده فردوس می‌باشد.روش و داده ها: در این پژوهش از روش های پایه‌ در سری‌های زمانی استفاده شده که شامل مدل‌های خودبرگشتی (ar)، میانگین متحرک (ma) و ترکیبی از این دو (arma) می‌باشد. داده های مورد مطالعه از اداره جهاد کشاورزی استان خراسان جنوبی ، شهرستان بیرجند تهیه و مورد بررسی قرار گرفته است و در نهایت بعد از بررسی مانایی داده ها به ایستاسازی آن ها به روش تفاضل‌گیری با وقفه 1 پرداخته شد.نتیجه گیری: در ادامه به منظور اطمینان از مناسب بودن بهترین مدل انتخاب شده، از نمودارهایacf و pacf استفاده گردید و در نهایت مدل انتخابی ar(2) به عنوان بهترین مدل برای پیش بینی میزان آبدهی قنات بلده با استفاده از ضریب معیار آکائیک و همچنین با استفاده از نرم افزار minitab انتخاب شد و به وسیله آن میزان تغییرات آبدهی برای 10 سال بعدی پیش‌بینی گردید. با توجه به افت چشم‌گیر این مقدار در سال های آتی، تصمیم‌گیری برای مدیریت آب این منطقه الزامی است

forecasting the water level of baldeh qanat in ferdows using time series methods

objective: groundwater stands as a critical water source for diverse purposes، encompassing drinking، agriculture، and industrial operations، thus playing a vital role in fulfilling societal needs. given its paramount importance، extensive quantitative and qualitative research is consistently undertaken annually. this study aims to forecast the discharge rate of the baladeh ferdows qanats (traditional underground aqueducts).method and data: this research employs fundamental time series analysis techniques، specifically autoregressive (ar)، moving average (ma)، and combined autoregressive moving average (arma) models. the data analyzed were sourced from the agricultural jihad department of south khorasan province، birjand. after assessing data stationarity، the data were rendered stationary through differencing with a lag of 1.conclusion: to validate the selected model، autocorrelation function (acf) and partial autocorrelation function (pacf) plots were examined. ultimately، the ar(2) model was identified as the most suitable model for predicting the discharge rate of the baladeh qanat، based on the akaike information criterion (aic) and utilizing minitab software. this model was then used to project discharge fluctuations for the subsequent 10 years. considering the anticipated significant decline in discharge، proactive decision making for effective water resource management in this region is imperative.keywords: qanat، akaike information criterion، stationarity، autocorrelation.