فهرست نشریات علمی دسترسی آزاد ایران

با توجه به پیچیدگی فرآیندهای هیدرولوژیکی به ­نظر می­رسد روش­های چند­متغیره با در نظر گرفتن عوامل موٌثر بیشتر، بتواند دقت مدل­های سری زمانی و نتایج حاصل از آن‌ها را ارتقا دهد. در واقع، نتایج مدل­های چند­متغیره با دخالت دادن عوامل مؤثر دیگر، می­تواند نتایج توصیف، مدل­سازی و پیش ­بینی پارامترهای مختلف را بهبود دهد. در این مطالعه، مدل­های تک ­متغیره آرما و چند­متغیره خودهمبسته با میانگین متحرک هم­زمان آرما (کارما) جهت مدل­سازی مجموع بارش سالانه ایستگاه سینوپتیک ارومیه مورد ارزیابی قرار گرفتند. جهت استفاده از مدل­های آرما، از سری زمانی مجموع بارش سالانه در دوره آماری (2010-1961) و جهت مدل­سازی با استفاده از مدل­های  کارما، از سه سری زمانی مجموع بارش سالانه (میلی­متر)، متوسط دمای سالانه (درجه سلسیوس) و متوسط سرعت باد (نات) در دوره آماری مذکور استفاده شد. نتایج نشان داد که با دخالت دادن پارامترهای ذکرشده در مدل، دقت مدل­سازی افزایش می­یابد. به‌طوری‌که در مدل کارما نسبت به مدل آرما، به دلیل ضریب همبستگی بالاتر معادل 960/0 و معیار جذر میانگین مربعات خطای کمتر، معادل 611/21 بین داده­های مدل و مقادیر مشاهداتی، نتایج بهتری به­ دست آمد. هم­چنین بر اساس نتایج حاصل، استفاده از مدل­های چند­متغیره خانواده آرما سبب کاهش میزان خطای مدل به­میزان 31 درصد شده است.