مقاله مدلهای تصادفی سری زمانی در پیش بینی بارندگی ماهانه (مطالعه موردی: ایستگاه هاشم آباد گرگان)

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مقاله مدلهای تصادفی سری زمانی در پیش بینی بارندگی ماهانه (مطالعه موردی: ایستگاه هاشم آباد گرگان) دارای ۱۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله مدلهای تصادفی سری زمانی در پیش بینی بارندگی ماهانه (مطالعه موردی: ایستگاه هاشم آباد گرگان)  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله مدلهای تصادفی سری زمانی در پیش بینی بارندگی ماهانه (مطالعه موردی: ایستگاه هاشم آباد گرگان)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله مدلهای تصادفی سری زمانی در پیش بینی بارندگی ماهانه (مطالعه موردی: ایستگاه هاشم آباد گرگان) :

تعداد صفحات :۱۸

در سالهای اخیر محدودیت منابع آبی جهت تامین آب مورد نیاز کشاورزی و غیر کشاورزی موجب بروز مشکلات زیادی شده است و باران یکی از منابع مهم تامین آب به حساب می آید. بارندگی یکی از مهمترین مولفه های ورودی به سیستم های هیدرولوزیکی محسوب می شود که مطالعه و اندازه گیری آن در اکثر موارد برای مطالعات رواناب، خشکسالی، آبهای زیر زمینی، سیلاب، رسوب و … لازم و ضروری است. بنابراین پیش بینی و برآورد نزولات جوی برای هر منطقه و آبخیز به عنوان یکی از پارامترهای مهم اقلیمی در استفاده بهینه از منابع آبی محسوب می گردد. یکی از روشهای ارزیابی و پیش بینی بارش، استفاده از سریهای زمانی است. هدف از انجام این تحقیق بررسی مناسب ترین مدل جهت تخمین مجموع بارندگی می باشد. برای این هدف، روشها و مدلهای مختلفی وجود دارند که از آن جمله می توان مدلهای سری زمانی اتو رگرسیو (AR)، میانگین متحرک (MA) و مدلهای تلفیقی اتو رگرسیو با میانگین متحرک و مدلهای فصلی (ARIMA و SARIMA) را برشمرد. در این مقاله عملکرد هر یک از مدلهای یاد شده در برآورد و تخمین مقادیر مجموع بارندگی ماهانه در ایستگاه هاشم آباد گرگان طی دوره ۲۰۱۲- ۱۹۸۳ مورد بررسی قرار گرفت. در جهت شناسایی بهتر مدل بدست آمده، باقیمانده ها و خطاهای پیش بینی مورد بررسی قرار گرفته و ضرایب مدل تخمین زده شدند. نشان داده شد که مدل ساریما ی ((۲، ۰،۱: ۲، ۱، ۳)SARIMA) از سایر مدلهای سری زمانی عملکرد بهتری داشته و روند تغییرات سری زمانی را با خطای کمتری شبیه سازی می کند. واژه‌های کلیدی: سری های زمانی، بارندگی ‍، پیش بینی، باقیمانده ها، خطا.