مدل ‌بندي داده ‌هاي بارش و سطح آب زيرزميني با استفاده از توابع مفصل زمان - متغير

داده‌هاي ناايستا غالباً زماني ايجاد مي‌شوند كه مشاهدات يك مطالعه به‌ صورت پياپي و وابسته به زمان جمع‌آوري شده باشند. در چنين حالتي معمولاً يك روند زماني همراه با تغييرات در ميانگين و يا واريانس مشاهدات وجود خواهد داشت كه حاكي از ناايستا بودن داده‌هاست. براي توصيف چنين داده‌هايي با استفاده از توزيع‌هاي آماري و برازش پارامترها، مدل‌هاي زمان-وابسته مناسب هستند. هدف اين مطالعه معرفي و به‌كاربردن مدل‌هاي زمان-وابسته‌ است كه در آنها، پارامترهاي مدل در توزيع‌هاي حاشيه‌اي و نيز در مدل‌هاي مفصل به‌صورت متغيري از زمان درنظر گرفته مي‌شود. با توجه به جمع‌آوري داده‌هاي بارش و سطح آب زيرزميني به‌صورت ماهيانه، ماهيت اين داده‌ها زمان-وابسته بوده و روند تغييرات اين داده‌ها نشان مي‌دهد كه ميانگين داده‌ها در طول زمان داراي تغييرات مي‌باشند. براي توصيف ساختار همبستگي ميان اين داده‌ها، از توزيع‌هاي حاشيه‌اي و سپس توابع‌ مفصل زمان-متغير استفاده شده است، بطوريكه پارامتر اين مدل‌ها متغير و به‌عنوان تابعي از زمان در قالب توابع رگرسيون چندجمله‌اي يا نمايي در نظر گرفته شده است.