كليدواژه :
سري‌هاي زماني , دماي ماهانه , پيش‌بيني بلند مدت , مدل‌هاي تصادفي , تابع خود همبستگي
چكيده فارسي :
مدلسازي و پيش بيني متغيرهاي هواشناسي اهميت ويژه اي در برنامه ريزي محيطي دارد. سري‌هاي زماني از جمله مدلهايي است كه در اين راستا مي‌توان از انواع فصلي آن مثل SARIMA استفاده نمود. در اين تحقيق از اين مدل براي مدلسازي و پيش‌بيني دماي ميانگين ماهانه 5 ايستگاه همديدي در اقليم‌هاي مختلف كشور استفاده شده‌است. داده‌هاي ايستگاه هاي آبادان، اصفهان، انزلي و دو ايستگاه تبريز و مشهد با اقليم مشابه طي سال هاي 1951-2011 ميلادي، توسط تابع ACF از حيث وجود روند فصلي مورد بررسي قرار گرفتند و پس از اعمال درجه تفاضلگيري فصلي، وارد مدل SARIMA شدند. خروجي‌هاي مدل توسط معيار بيزي شوارتز، جذر ميانگين مربعات خطا و ضريب تعيين ارزيابي شدند. نتايج نشان داد بهترين مدل ها براي اين 5 ايستگاه فوق به ترتيب مدل هاي SARIMA(1,0,1)(1,1,1)12،SARIMA(2,0,2)(3,1,1)12، SARIMA(1,0,0)(1,1,1)12، SARIMA(1,0,2 )(1,1,1)12 و SARIMA(0,0,1)(0,1,1)12 بوده و پارامترهاي مدل جهت پيش بيني مقادير ماهانه دوره‌ي 20122014 استخراج شد. تغييرات خطاي پيش‌بيني در افق‌هاي 6، 12، 18، 24، 30 و 36 ماهه در دوره‌ي سه ساله‌ي پيش‌بيني بررسي شده و توانايي بالاي مدل در پيش بيني گام هاي بلندمدت در آينده مشخص گرديد. در بين ايستگاه هاي مورد بررسي بهترين برآورد مربوط به ايستگاه آبادان در اقليم فراخشك گرم بود كه مقادير شاخص هاي خطا به صورت 322.41=SBC،°c1.22=RMSE و 0.98= بدست آمد. پس از آبادان، اين مدل به ترتيب درايستگاه هاي انزلي در اقليم مرطوب معتدل، اصفهان در اقليم فراخشك سرد، و تبريز و مشهد در اقليم نيمه‌خشك سرد داراي عملكرد مطلوب تري است.
