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.2023.373963.0
چکیده

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.

کلیدواژه‌ها