تحلیل و مدل سازی نوسانات سطح تراز آب خزر جنوبی با استفاده از سری های زمانی
محل انتشار: چهاردهمین کنفرانس ملی هیدرولیک ایران
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 734
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IHC14_177
تاریخ نمایه سازی: 16 اسفند 1394
چکیده مقاله:
پیش بینی نوسانات تراز آب دریا ابزاری بسیار کارآمد به منظور مدیریت جامع دریا و از جمله حفاظت مناطق ساحلی است. از سوی دیگر استفاده از مفاهیم حاکم بر سری های زمانی در پیش بینی بسیار مناسب ارزیابی گردیده است. لذا در تحقیق حاضر داده های اندازه گیری شده ماهانه تراز آب دریای خزر در دو ایستگاه ترازسنجی بندر انزلی و بندر نوشهر به ترتیب به مدت 40 سال و 14 سال در سواحل خزر جنوبی مورد استفاده قرار گرفت و سپس با استفاده از آزمون ناپارامتری من کندال جهت ارزیابی وجود یا عدم وجود روند و کاربرد آزمون سن برای تعیین میزان بزرگی آن، روش های مختلف پیش بینی و مدل سازی در سری های زمانی شامل مدل های مختلف خود همبسته با میانگین متحرک تفاضلی (ARIMA) و آریمای مکثر (SARIMA) توصیه شده در روش باکس و جنکینز بر داده ها برازش داده شد. در ادامه وضعیت روش های برازش یافته و دقت هر روش در پیش بینی مقادیر آتی تراز دریا توسط معیار اطلاعاتی آکاییکه (AIC) جهت تعیین بهترین مدل سری زمانی مورد بررسی قرار داده شد. نتایج بررسی معیار آکاییکه در مدلهای اخیر و دقت در نمودارهای مقایسه خروجی مدلها با مقادیر واقعی اندازه گیری شده در ایستگاه های ترازسنجی نشان داد که در زمینه مدلسازی و پیش بینی مقادیر آینده سری زمانی تراز ایستگاه نوشهر، مدلهای آریمای مکثر با مرتبه های بالاتر دقت بهتری دارند در حالیکه در سری زمانی داده های ایستگاه انزلی، مراتب پایینتر مدل موفقتر هستند.
کلیدواژه ها:
نویسندگان
مسعود دهباشی
دانشجوکارشناسی ارشد فیزیک دریا،دانشکده علوم دریایی، دانشگاه تربیت مدرس، نور
سید علی آزرم سا
دانشیارگروه فیزیک دریا، دانشکده علوم دریایی، دانشگاه تربیت مدرس، نور
مهدی وفاخواه
دانشیارگروه مهندسی آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، نور
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 :