تحليل مقايسه‌اي مدل‌هاي سري‌هاي زماني داده‌هاي دبي كل، دبي پايه و جريان سطحي (مطالعه موردي: ايستگاه هيدرومتري ارازكوسه)

Comparative Analysis of Time Series Models for Total Flow, Base-Flow and Runoff (Case study: Chehelchai River, Golestan Province)

پيش‌بيني متغيرهاي هيدرولوژيك ابزاري بسيار كارآمد در مديريت منابع آب به حساب مي‌آيد. بنابراين مدل‌هاي سري زماني به‌عنوان ابزاري كارآمد در مدل‌سازي از ديرباز مورد توجه متخصصين هيدرولوژي بوده است. در اين پژوهش با استفاده از داده‌هاي دبي جريان اندازه‌گيري شده در يك دوره 35 ساله (85-1359) ايستگاه هيدرومتري ارازكوسه در رودخانه چهل‌چاي، سري زماني به‌دست آمده از دبي رودخانه مورد مطالعه قرار گرفته و مدل‌هاي سري زماني فصلي بر داده‌هاي دبي كل، دبي پايه و رواناب مستقيم برازش داده شد. مدل‌هاي برازش داده شده و دقت هر كدام در پيش‌بيني مقادير آتي دبي توسط آماره‌هاي نيكويي برازش مانند معيار اطلاعات آكاييك، جذر ميانگين مربعات خطا مورد بررسي قرار گرفت. بر اين اساس، مدل آماري فصلي (1، 1، 0)(0، 0، 1) ARIMA به‌عنوان بهترين مدل براي پيش‌بيني مقادير دبي كل، مدل (1،1،0)(0،0، 1) ARIMA به‌عنوان بهترين مدل براي پيش‌بيني وضعيت دبي پايه و (1، 1، 0)(1، 0، 1) ARIMA به‌عنوان بهترين مدل براي پيش‌بيني وضعيت رواناب در سال‌هاي آتي انتخاب شد. در نهايت پيش‌بيني مقادير دبي كل، دبي پايه و رواناب مستقيم براي يك دوره پنج ساله (90-1385) با استفاده از مدل‌هاي نام‌برده انجام گرديد. مقادير RMSE و 2R براي پيش‌بيني دبي كل، 46/3 و 47/0، دبي پايه 61/2 و 48/0 و رواناب 83/0 و 23/0 به‌دست آمد. نتايج بيانگر آن است كه دبي كل حاصل شده از مجموع پيش‌بيني دبي پايه و رواناب مستقيم مقدار واقعي‌تري نسبت به دبي كل پيش‌بيني شده از مدل (1، 1، 0)(0، 0، 1) ARIMA ارايه مي‌دهد.

Forecasting hydrological variables are suitable tools for water resources management. For this aim, time series models as efficient methods have been considered by the hydrologists. Also, in this study, time series modeling has been considered and seasonal time series models on the total flow, base flow and run-off data of hydrometric station Arazkuseh with 35-years period have been fitted. Afterwards, condition and accuracy of fitted models in forecasting future discharges were considered using Akaike Information Criterion (AIC), Root Mean Squared Error (RMSE) and other parameters.The results show that, ARIMA(1,0,0)(0,1,1) is the best model for forecasting the total flow and base flow, respectively and ARIMA(1,0,1)(0,1,1) is the best model for forecasting the run-off. for assessing the accuracy of models, 5 years data from 2007 to 2012 were used for estimation of total flow, base flow and run-off. RMSE and R2 for forecasting the total flow is 3.46 and 0.47, for base flow 2.61 and 0.48 and run-off 0.83 and 0.23 were obtained. The results revealed that if the total discharge was obtained by summation of values obtained from base flow and run off time series model, the more accurate results could be obtained.