لیلا گودرزی - گروه مهندسی آب-پردیس ابوریحان
عباس روزبهانی - هیئت علمی دانشگاه تهران

پارامتر های اقلیمی از جمله دما و بارش نقش مهمی در مدیریت منابع آب حوضه آبریز و برنامه ریزی های کشاورزی دارند. از جمله مدل های پیش بینی کوتاه مدت این پارامترها، مدل های سری زمانی هستند. در تحقیق حاضر، توانایی مدل های سری زمانی در پیش بینی دما و بارش ماهانه ایستگاه لتیان مورد بررسی قرار گرفته است. بدین منظور ابتدا به کمک آزمون من کندال فصلی روند داده ها بررسی گردید و سپس مدل های مختلف خودهمبسته با میانگین متحرک و همچنین مدل سری زمانی هالت وینترز بر داده ها برازش داده شد و در نهایت بهترین مدل سری زمانی انتخاب شد. در نتیجه ی آزمون من کندال فصلی، روند مشخصی در سری ماهانه بارش مشاهده نگردید اما سری ماهانه دما دارای روند افزایشی معنی دار می باشد. نتایج پیش بینی توسط مدل های آریمای فصلی، نشان دهنده قابلیت بالای این مدل ها در پیش بینی دمای ماهانه می باشد و مدل 12(2  1 0 ) (1 0 0 ) به عنوان مدل سری زمانی مناسب برای داده های دما تشخیص داده شد. اگرچه مدل هالت وینترز نیز از دقت بالایی در پیش بینی دما برخوردار است اما نسبت به مدل آریما دارای خطای بیشتری است. همچنین نتایج نشان داد که مدل های آریمای فصلی و مدل هالت وینترز قابلیت بالایی در پیش بینی مقادیر بالای بارش ماهانه در ایستگاه لتیان ندارند. این مدل هاعمدتا مقادیر بارش های پایین و متوسط را بهتر برآورد می کنند و تخمین گر مناسبی در بارش های بالا نیستند. نتایج این تحقیق کمک شایانی به پیش بینی موثر رواناب حوضه ها و به تبع آن افزایش اعتماد پذیری سیستم های منابع آب خواهد نمود.

سری زمانی, آزمون من کندال فصلی, مدل آریمای فصلی, مدل هالت وینترز, لتیان