کاربرد مدل های فصلی سری زمانی در پیش بینی جریان ماهانه ورودی به مخزن سدهای یامچی و سبلان در حوضه آبخیز قره سو، اردبیل

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 133

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJSWR-51-10_016

تاریخ نمایه سازی: 2 خرداد 1402

چکیده مقاله:

پیش­بینی حجم آب ذخیره شده در سدهای مخزنی در دوره­های آتی، نقش مهمی در برنامه­ریزی و مدیریت بهره­برداری بهینه از سامانه­های منابع آب دارد. در این مطالعه، از روش تحلیل سری­های زمانی برای پیش­بینی جریان ماهانه ورودی به سد­های مخزنی یامچی و سبلان در استان اردبیل استفاده شد. داده­های دبی جریان ماهانه اندازه­گیری شده در ایستگاه­های هیدرومتری واقع در محل ورود آب به سد، طی سال­های ۹۴-۱۳۷۳ به مدت ۲۱ سال تهیه و برای ساخت و آزمون مدل مناسب، به کار برده شد. پس از ایستا نمودن سری داده­ها، با توجه به نمودارهای خودهمبسته (ACF) و خودهمبسته جزئی (PACF)، ساختارهای مدل فصلی تشخیص داده شدند و پس از مقایسه آن­ها با توجه به معیارهای آکائیکه (AIC)، آکائیکه اصلاح شده (AICC) و اطلاعات بیزی (BIC)، مدل مناسب برای هر یک از ایستگاه­های هیدرومتری انتخاب شد. با برازش مدل به داده­های مشاهداتی، پارامترهای هر مدل تعیین و کفایت مدل­های منتخب نیز با آزمون­های تشخیصی بررسی گردید. نتایج نشان داد مدل ARIMA(۱,۰,۰)(۰,۱,۱)۱۲ و ARIMA(۱,۱,۱)(۰,۱,۱)۱۲ به­ترتیب برای داده­های دبی ماهانه ایستگاه یامچی و ارباب­کندی، دارای کمترین مقدار شاخص­های آماری ریشه میانگین مربعات خطا (RMSE) و میانگین قدرمطلق خطا (MAE) بوده و دارای بیش­ترین ضریب تعیین است. مقدار این شاخص­ها در مدل مربوط به ایستگاه هیدرومتری یامچی به­ترتیب برابر ۰۴/۱، ۶۰۶/۰ و ۶۳/۰ و برای ایستگاه هیدرومتری ارباب­کندی به ترتیب برابر ۳۵/۱، ۸/۰ و ۷۴/۰ به­دست آمد. ­لذا مدل­های منتخب، جریان ماهانه ورودی به مخزن سد­های یامچی و سبلان را با دقت خوبی پیش­بینی می­کند. همچنین مقایسه نتایج پیش­بینی شده با داده­های مشاهداتی نشان داد در پیش­بینی مقادیر حد بالای دبی، مدل­های منتخب از دقت بالایی برخوردار نیستند.

نویسندگان

امین کانونی

گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران

سهیلا اورجی

گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Abbasi, M., Araghinejad, S. and Ebrahimi, K. (۲۰۱۹). Evaluation of ...
  • Abudu, S., Cui, CL., King, JP. and Abudukadeer, K. (۲۰۱۰). ...
  • Adnan, R. M., Yuan, X., Kisi, O. and Yuan, Y. ...
  • Ahmadi, F., Dinpajoh, Y., Fakheri Fard, A. and Khalili, K. ...
  • Ayare, B.L. and Dhekale, B.S. (۲۰۱۵). Multiplicative seasonal ARIMA modeling ...
  • Bashari, M. and vatankhah, M. (۲۰۱۱). Comparison of Different Time ...
  • Box, G.E.P. and Jenkins, G.M. (۱۹۷۰). Time Series Analysis: Forecasting ...
  • Box, G.E.P. and Jenkins, G.M. (۱۹۷۶). Time series analysis, forecasting ...
  • Box, G.E.P., Jenkins, G.M. and Reinsel, G.C. (۲۰۰۸). Time series ...
  • Brewer, M., Butler, A. and Cooksley, S.L. (۲۰۱۶). The relative ...
  • Dastorani, M., Mirzavand, M., Dastorani, M.T. and Sadatinejad, S.J. (۲۰۱۶). ...
  • Elganiny, M.A. and Eldwer, A.E. (۲۰۱۶). Comparison of Stochastic Models ...
  • Fernandez, C., Vega, J.A., Fonturbel, T. and Jimenez, E. (۲۰۰۹). ...
  • Gharde, K.D., Kothari, M. and Mahale, M. (۲۰۱۶). Developed Seasonal ...
  • Han, P., Wang, P., Tian, M., Zhang, Sh., Liu, J. ...
  • Hu, C.H., Wu, Z.N., Wang, J.J. and Liu, L. (۲۰۱۱). ...
  • Khazaei, M. and Mirzaei, M. (۲۰۱۳). Comparison prediction performance of ...
  • Mirzapour, H. and Tahmasebipour, N. (۲۰۱۸). Predicting the monthly discharge ...
  • Mirzavand, M. and Ghazavi, R. (۲۰۱۵). A stochastic modelling technique ...
  • Modarres, R. and Eslamian, S.S. (۲۰۰۶). Streamflow time series modeling ...
  • Moeeini, H., Bonakdari, H. and Ebtehaji, I. (۲۰۱۷). Monthly reservoir ...
  • Moeeni, H., Bonakdari, H. and Abdolahi, S. (۲۰۱۶). Performance evaluation ...
  • Mojiri, H. and Halabian, A. (۲۰۱۹). Prediction of the Surface ...
  • Nakhaee, M. and Mirarabi, A. (۲۰۱۰). Flood Forecasting in Sombar ...
  • Salas, J. D. and Smith, R. A. (۱۹۸۱). Physical basis ...
  • Salas, J.D., Delleur, J.W., Yevjevich, V. and Lane, W.L. (۱۹۸۰). ...
  • Shathir, A.K. and Mohammed Saleh, L.A. (۲۰۱۶). Best ARIMA models ...
  • Singh, M., Singh, R. and Shinde, V. (۲۰۱۱). Application of ...
  • Tadesse, K.B. and Dinka, M.O. (۲۰۱۷). Application of SARIMA model ...
  • Thomas, H. A. and Fiering, M. B. (۱۹۶۲). Mathematical synthesis ...
  • Vahdat, S.F., Sarraf, A., Shamsnia, A. and Shahidi, N. (۲۰۱۱). ...
  • Valipour, M. (۲۰۱۵). Long‐term runoff study using SARIMA and ARIMA ...
  • Wagena, M.B., Georing, D., Collick, A.S., Bock, E., Fuka, D.R., ...
  • Wang, H.R., Wang, C., Lin, X. and Kang, J. (۲۰۱۴). ...
  • Wang, J., Du, Y.H. and Zhang X.T. (۲۰۰۸). Theory and ...
  • Wang, J., Hu, J., Ma K. and Zhang, Y. (۲۰۱۵). ...
  • Wang, Sh., Feng, J. and Liu, G. (۲۰۱۳). Application of ...
  • Wang, W. ۲۰۰۶. Stochasticity, Nonlinearity and Forecasting of Streamflow Processes. ...
  • Wong, H.W., Zhang R. and Xia, J. (۲۰۰۷). Non-parametric time ...
  • Yeh, H. and Hsu, H. (۲۰۱۹). Stochastic Model for Drought ...
  • نمایش کامل مراجع