مدل سازی سری های زمانی دما و بارش ماهانه در تبریز با استفاده از مدل حافظه بلندمدت ARFIMA
نویسندگان
1 دانشجوی دکتری، گروه آمار، دانشگاه پیام نور، تهران، ایران
2 دانشیار، گروه آمار، دانشگاه پیام نور، تهران، ایران
3 دانشیار، گروه آمار، دانشگاه زنجان، زنجان، ایران
doi
چکیده
تغییرات سریهای زمانی میزان دما و بارش یکی از پارامترهای مهم اقلیمی در بررسی فرایندهای هیدرولوژیکی، کشاورزی، محیطزیست، بهداشت، صنعت و اقتصاد است. ارزیابی و پیشبینی میزان دما و بارش کمک شایانی برای مدیران و برنامهریزان کشاورزی و منابع آب است. یکی از روشهای بررسی دادههای سری زمانی استفاده از مدلهای آماری است. با توجه به اهمیت موضوع، در این مقاله میزان دما و بارش ماهانه در نیم قرن اخیر (2018-1969) ایستگاه هواشناسی همدید تبریز با استفاده از مدل ARFIMA مورد بررسی قرار میگیرد، و برای برازش مدل از آزمونهای R/S و GPH استفاده شده است. در ادامه برای بررسی ایستایی مدل از توابع خودهمبستگی (ADF)، خودهمبستگی جزئی (PACF) و روش تفاضلگیری استفاده شدهاست. اما از آنجایی که برای اولین بار دادههای ایستگاه هواشناسی همدید با استفاده از مدل ARFIMA مورد ارزیابی قرار میگیرد، برای بررسی دقت از معیارهای اطلاع بیزی (BIC)، مجذور میانگین مربعات خطا (RMSE) و آکائیک (AIC) استفاده شده است. نتایج بررسی مدل با حافظه بلندمدت سریهای زمانی میزان دما و بارش در سطح 95 درصد مورد تأیید قرار گرفت. با این تفاوت که برای پارامتر بارش به نظر میرسد این عمل شکننده است. همچنین تحلیل ساختارهای مختلف نشاندهنده آن است که دادههای میزان دما و میزان بارش به ترتیب با استفاده از مدل ARFIMA(3,0.2,1) مدل ARFIMA(1,0.0004,4) بهترین برازش یا عملکرد را دارند. و قابل ذکر است مقدار RMSE مدلهای برازش بین مقادیر مشاهداتی و شبیهسازی میزان دما و بارش به ترتیب برابر با 2/2 و 4/38 است، که حاکی از دقت مناسب مدلهای ارائه شده است و میتوان از آن برای پیشبینی استفاده کرد.