تحليل و مدل‌سازي آماري دماي ايستگاه بوشهر (2005-1951)

در اين پژوهش از روش‌هاي آماري متفاوتي براي شناسايي رفتار (روند، افت و خيز، نوسان) دماي شهر بوشهر استفاده شده است. آزمون گردش‌هاي با 5/0% خطا نشان داد كه مشاهدات سالانه دما تصادفي نيستند. آزمون‌هاي آشكارسازي روند با استفاده از روش‌هاي پارامتريك و ناپارامتري (همبستگي پيرسون، اسپيرمن، من- كندال) و نيز روش‌هاي نسبي برآورد روند بر روي مشاهدات انجام شد. نتايج نشان داد كه مشاهدات سالانه دماي بوشهر روند معني‌داري دارند. از تحليل طيفي جهت برآورد چرخه‌هاي نهان در دماي سالانه به كار گرفته شده است، نتايج نشان مي‌دهد كه در سطح اطمينان 95/0 به جز همساز اول، همسازهاي 18 و 21 همسازهاي معني‌دار ديگري در سري زماني دما مي‌باشند. اين ويژگي، گواهي ديگر بر وجود روند در مشاهدات است. با استفاده اززنجيره‌ي ماركوف معلوم شد كه داده‌هاي دماي ماهانه بوشهر ازمدل زنجيره ماركوف دو حالته پيروي مي‌كنند و بر اساس اين مدل احتمال وقوع ماه گرم در بوشهر 6019/0 و احتمال وقوع ماه سرد 5217/0 و دوره‌اي بازگشت ماه گرم حدود 5 ماه و دوره‌هاي بازگشت ماه سرد حدود 7 ماه مي‌باشد. در پايان به منظور پيش بيني دماي سالانه بوشهر از مدل آريما استفاده شده است، در اين روش سه الگوي اوليه برازش داده شد. آزمون نيكويي برازش مدل شامل آزمون ضرايب، نرمال و استقلال مانده‌هاي مدل، معيارآكاييك (ACI) و نيز قابليت پيش بيني نشان داد كه از بين سه الگوي برازش داده شده‌ي مدل آريما، الگوي (0، 1، 1) ARIMA الگوي برآزنده تري بردماي سالانه مي‌باشد. بر همين اساس براي 20 سال آينده با بازه اطمينان 95/0پيش بيني دما صورت گرفت.

In this study, different statistical methods for realizing the behavior (trend, fluctuation, oscillation) of temperature were used in Bushehr city. Run Test with 5% confidence Interval showed that temperature annual observations are not accidental. Trend estimate using parametric and non-parametric techniques (Pearson correlation, Spearman, Man-Kendal) were done on the observations. The results showed that annual temperature has meaningful process. Spectral analysis was used for estimate the latent cycles in annual temperature. It was indicated that in reliability level of 95% except first harmonic was, harmonic 18 and 21 meaningful. Markov chain model on monthly temperature of Bushehr monthly temperature data from the two-mode Markov chain model followed and according to this model, the occurrence likelihood of warm months at Bushehr was 0.6019 and occurrence likelihood of cold months was 0.5217 and return period of warm months about 5 months and return period of cold months was about 7 month. Finally, to anticipate the annual temperature in Bushehr, ARIMA Model has been used accordingly; three models have been fitted on Bushehr temperature time series. Based on goodness of fit including the normalizing the residuals and their independence test and significant normal based on AIC criteria, The ARIMA (o, 1, 1) model was more fitable on annual temperature. Therefore, for the next 20 years, temperature in confidence interval of 95% was anticipated. Keywords: Trend, Cycle, Spectral analysis, Harmonic, ARIMA Model, Bushehr.