پيش‌بيني جريان ورودي با استفاده از تحليل مدل‌هاي سري‌ زماني (مطالعه موردي: سد جاميشان)

Predicting Inlet Flow to Jamishan Dam Using Time Series Models

به‌عنوان تغذيه‌كننده آبخوان‌‌‌ها و پارامتر تأثيرگذار در معادلات و گزارش بيلان آب، پيش‌بيني آبدهي سد و رودخانه‌ها نقشي چشم‌گير در برنامه‌ريزي، مديريت و بهره‌برداري بهينه و پايدار از منابع آب‌ زيرزميني دارا مي‌باشد. در اين پژوهش به­‌منظور ساماندهي حوضه آبريز جاميشان آبدهي ماهانه اين حوضه با استفاده از روش‌هاي تحليل سري زماني مورد پيش‌بيني قرار گرفته شد. بدين منظور، از داده‌هاي ماهانه دبي ورودي به سد جاميشان در شهرستان سنقز استان كرمانشاه در بازه زماني (1394-1365) استفاده ‌گرديد. آناليز اوليه داده‌ها شامل بررسي ترم‌هاي قطعي سري (تناوب، روند و پرش) با استفاده از آزمون من-كندال در قالب نرم افزار MINITAB انجام و پس از اطمينان از حذف اين ترم‌ها، داده‌‌ها نرمال و ايستايي داده‌ها مشخص شد. سپس با توجه به توابع خودهمبستگي و خودهمبستگي جزئي سعي گرديد تا مدل‌هاي سري زماني مناسب براي دوره واسنجي به داده‌هاي موردنظر برازش داده شود و با آزمون‌ عدم همبستگي پورت‌مانتو و نرمال بودن باقي‌مانده‌ها، تعدادي از مدل‌هايي كه فاقد اين شرايط بودند حذف گردد. نتايج حاكي از آن است كه در بين مدل‌هاي باقي‌مانده با آزمون‌ آكائيك (AIC)، مدل سري زمانيARIMA(1,1,1) با مقدار آكاييك 11/76- و واريانس خطاي 0/92 به‌عنوان بهترين مدل مشخص گرديد، در مرحله صحت‌سنجي نيز با بهره‌گيري از بهترين مدل در دوره واسنجي پيش‌بيني صورت گرفت و نتايج مربوط به عدم وجود خودهمبستگي بين باقي‌مانده‌ها حاصل از برازش مدل منتخب مقادير خطاهاي دوره صحت‌سنجي با آزمون‌‌ بارلت‌تست مورد ارزيابي قرار گرفت. نتايج آماره پرت‌مانتو حاكي از آن است در تمامي‌تأخيرها p-value بيش‌تر از 0/05 مي‌باشد كه اين نتايج بيان‌گر مستقل بودن باقي‌مانده‌ها را تأييد مي‌كند. همچنين نتايج بارلت‌تست نشان از دقت بالاي مدل دارد. پس از موفقيت مدل در آزمون‌‌هاي صحت‌سنجي، حال مدل اين قابليت را دارد كه وارد مرحله پيش‌بيني شود، نتايج نشان داد مدل نحوه تغييرات دبي نسبت به زمان را به خوبي شناسايي كرده است و در حالت كلي اگر ترم‌هاي قطعي از سري زماني حذف شود، برازش مدل نتيجه بهتري مي‌دهد و مدلي كه آكائيك و واريانس باقي‌مانده‌ كم‌تري دارد مدل بهتري است.

As aquifer feeder and influential parameter in water balance equations and groundwater resources balance, accurate prediction of dams and rivers discharge plays an important role in planning managing and operating optimal and sustainable water resources. In this research, in order to organize the Jamishan catchment area. In order to predict the future natural hazards of the basin, the monthly discharge of this basin is predicted by time series analysis methods. In this regard Was used from monthly discharge data of entrance to jamishan dam in sonqor city of kermanshah province during the period (1360-1389). Initial analysis of data included a review of definitive series semantics (period, trend, jump) done on the time series and after assurance remove these semantics, data was normal and the data stagnation was made. By examining the correlation and partial correlation functions for fifty percent of the data, the self-correlated model (AR) and the moving average model (MA) were fitted for the calibration period to the time series and with the non-correlation test of Port-Manto and the normalization of the remainder, a number of models that did not have these conditions were eliminated, and the best models were identified among the remaining models with Akayek's test. In the verification stage, using the best model during the calibration period, for the fifty-second percent of the data, the prediction verification step was performed. an‎d error validation values were evaluated using white nose, Barlett-Test (Cumulative Rotational), mean of remaining significance, and after the success of the model in the verification prototypes, it was used to predict the monthly discharge of the next 15 years. It can be concluded that the more the model is more static, the analysis of the series is easier and the model with less acacia gives a better answer.