تحليل و پيش بيني نوسانات تراز آب درياي خزر با استفاده از مدل هاي استوكستيك سري زماني

Water Level Fluctuation Analysis and Forecast in the Caspian Sea Using Stochastic Time Series models

پيش بيني نوسانات تراز آب دريا ابزاري بسيار كارآمد به منظور مديريت جامع دريا و حفاظت مناطق ساحلي است. از سوي ديگر استفاده از مفاهيم حاكم بر سري هاي زماني در پيش بيني بسيار مناسب ارزيابي گرديده است. لذا در تحقيق حاضر، داده هاي اندازه گيري شده ماهانه تراز آب درياي خزر در دو ايستگاه ترازسنجي بندر انزلي و بندر نوشهر به ترتيب به مدت 40 سال و 14 سال در سواحل خزر جنوبي مورد استفاده قرار گرفت. وجود يا عدم وجود روند و بزرگي آن در داده ها با استفاده از آزمون ناپارامتري من-كندال بررسي شد. در گام بعدي، روش هاي مختلف پيش بيني و مدل سازي سري هاي زماني شامل «خود همبسته با ميانگين متحرك تفاضلي» و «آريماي مكثر» بر داده ها برازش داده شد. در ادامه، توانايي و دقت هر روش در پيش بيني مقادير آتي تراز دريا توسط معيار اطلاعاتي آكاييكه ارزيابي شده و براي تعيين بهترين مدل سري زماني مورد بررسي قرار داده شد. نتايج پيش-بيني در مدل هاي نهايي نشان مي دهد عملكرد روش آريماي مكثر بر پايه تجزيه و تحليل سري هاي زماني، در برآورد و شبيه سازي رفتار استوكستيك تراز درياي خزر قابل قبول مي باشد. ضمن آنكه طول دوره پيش بيني در مدل ها نسبت به تحقيقات گذشته افزايش قابل ملاحظه اي داشته است.

Forecasting of sea level fluctuations is a suitable tool for comprehensive management of the sea and the protection of coastal areas. On the other hand, application of time series analysis for forecasting purposes has been evaluated to be very appropriate. Therefore, two time series consisting monthly measured sea level data were used in the present research. The data have been recorded at two stations of Anzali and Noushahr in the southern part of the Caspian sea for time lengths of 40 and 14 years, respectively. The nonparametric Mann-Kendall test was employed to determine if measurements exhibit an increasing or decreasing trend. In the next step, different methods of forecasting and modeling of time series including Auto Regressive Integrated Moving Average and Multiplicative ARIMA method were fitted to the data. Then, Akaike Information Criterion was applied to assess the ability and accuracy of fitted methods in forecasting of sea level in future months and to determine the best time series model. The results of forecasting in the final models reveal that the performance of the Multiplicative ARIMA method based on time series analysis, to estimate and simulate the stochastic behavior of the Caspian sea level is acceptable. Meanwhile, the length of the forecast period in the models has increased significantly in comparison with previous researches.