پیشبینی متوسط دمای سالانه شهر تبریز با استفاده از مدلهای سری زمانی
نویسندگان
1 گروه جغرافیا، دانشکده علوم انسانی، دانشگاه زنجان، زنجان، ایران.
2 گروه جغرافیا، دانشکده علوم انسانی، دانشگاه زنجان، زنجان، ایران
doi
10.22034/jargs.2023.373963.0چکیده
هدف: هدف اصلی این پژوهش، مدلسازی دادههای دمای ایستگاه سینوپتیک تبریز به کمک مدل آماری میانگین متحرک خودهمبسته یکپارچه با پوشش زمانی 2020-1951 بود.روش و داده: ابتدا پیشپردازش بر روی دادههای مورد مطالعه صورت گرفت، در گام بعدی بهمنظور تجزیه و تحلیل یک سری زمانی و ساختن یک الگوی مناسب از سه روش باکس - کاکس، روش تفاضلگیری مرتبه یک و روش حداقل مربعات برای ایستاسازی استفاده شد تا بر اساس نمودارهای ACF و PACF، کمینه معیار اطلاع آکائیک (AIC) و معیار اطلاع بیزی (BIC) در مورد بهترین الگو تصمیمگیری شود. در ادامه بهمنظور اطمینان از مناسب بودن بهترین مدل انتخاب شده، از نمودارهای احتمال نرمال، نمودار باقیماندهها در برابر زمان، ACF و PACF و آزمون کلموگروف - اسمیرنف و معیارهای ارزیابی (MAE)، (MSE)، (RMSE) و (NRMSE) نیز استفاده گردید.یافتهها: ضمن اینکه مدلهای سری زمانی روش مناسبی در مدلسازی پارامترهای اقلیمی هستند، با بررسی کارایی روشهای ایستاسازی باکس کاکس، تفاضلی مرتبه یک و حداقل مربعات برای دادههای دما به صورت موردی برای ایستگاه سینوپتیک تبریز مشخص شد که روش تفاضلی مرتبه یک به دلیل دارا بودن کمترین شیب خط برازش و حذف کامل خودهمبستگی میان مقادیر دما بهترین روش ایستاسازی برای دادههای دمای سالانه ایستگاه سینوپتیک تبریز است.نتیجهگیری: نتایج این پژوهش نشان داد که مدل ARIMA(0,1,1)Con مناسبترین مدل برای پیشبینی دما برای سالهای آتی است. لذا دمای متوسط سالیانه ایستگاه سینوپتیک تبریز در 18 سال آینده روند افزایشی خواهد داشت.نوآوری، کاربرد نتایج: با توجه به پیشینه مطالعات صورت گرفته و ضرورت آگاهی از وضعیت دما در تحقیقات مختلف روشهای منفرد متفاوتی از جمله روشهای تفاضلگیری، حداقل مربعات، تبدیل باکس - کاکس که هر یک به روش خاصی عوامل ناایستایی را حذف میکنند برای حذف روند استفاده شده بود. اما در تحقیق پیش رو، کارایی روشهای مختلف ایستاسازی به منظور حذف روند، به طور همزمان به صورت موردی برای ایستگاه همدید تبریز مورد ارزیابی قرار گرفت، تا با ارزیابی عملکرد روشهای مختلف ایستاسازی دادهها و مدلهای مختلف خانواده ARIMA الگوی مناسب جهت پیشبینی دما تعیین گردد و تصویر واضحتری از شرایط دما در آینده حاصل گردد و نتایج آن بتواند در برنامهریزیهای مرتبط مورد استفاده قرار گیرد.