پيش‌بيني دبي ماهانه رودخانه كاكارضا با استفاده از مدل‌هاي سري زماني، ARIMA فصلي

Predicting the monthly discharge of KAKAREZA River using time-series models ARIMA seasonal.

بررسي و شناخت تغييرات زماني دبي پايه در مطالعات حوزه‌هاي آبخيز بخصوص در فصول با جريان كم‌ اهميت زيادي دارد. به همين منظور مدل‌هاي مختلف آماري و احتمالاتي ارائه و توسعه داده‌شده است. هدف از اين پژوهش بررسي سري زماني30 ساله مربوط به دبي متوسط ماهانه رودخانه كاكارضا در شهرستان سلسله در استان لرستان مي‌باشد. در گام اول توابع خودهمبستگي و خودهمبستگي جزئي داده‌هاي واقعي در نرم‌افزار XLSTAT ترسيم و سپس داده‌ها با استفاده از روش باكس كاكس نرمال شده‌اند. در گام بعدي روند داده‌ها كه نشان‌دهنده نا ايستايي داده‌ها بود تعيين شد. سپس با استفاده از روش عملگر تفاضل در نرم‌افزار MINITAB روند داده‌ها حذف و مدل با توجه به معيار آكائيك (AIC) شناسايي و مناسب با كمترين آكائيكه انتخاب شد. در آخر چهار دوره‌ي 12، 24، 60 و 84 ماهه پيش‌بيني گرديد. نتايج حاكي از آن بود كه مدل انتخابي در دوره‌ي 12 ماهه داراي ضريب نش-سات كلايف 85/. مي‌باشد. بنابراين، دوره‌ي كوتاه‌مدت 12 ماهه، توانست پيش‌بيني مناسب‌تري را نشان دهد.

Study the time changes in discharge of watersheds are important and it is more important in low flow seasons. For this purpose, there are different statistical and probabilistic models that have been offered and developed. In this study, a 30-year time series of average monthly discharge in KAKAREZA River has been analyzed. KAKAREZA River locates in Lorestan province, Selsele city. In the first step autocorrelation function and partial autocorrelation functiondata were drown in XLSTAT software, after that data were normalized by using BOC-COX way. In The next step, the data has been determined and result show non-stationary of data. Then, proceeding of data omitted in MINITAB software by difference procedure formula. Then, the mode was detected according to Akaike's Information criterion (AIC). At this point the appropriate model with the lowest Akaike was selected. At the end, four periods of 12, 24, 60 and 84 months were predicted. Result showed that a 12 month period has a coefficient Nash–Sutcliffe of 0.85. In this way, the short period of 12 months showed better Prediction.