Evaluation of SARIMA time series models in monthly streamflow estimation in Idanak hydrometry station

محورهای موضوعی : Irrigation and Drainage

عباس احمدپور ¹ , حسین فتحیان ² , جبرائیل قربانیان ³

1 - دانش‌آموخته کارشناسی ارشد مهندسی منابع آب، دانشگاه زابل، زابل، ایران.
2 - گروه مهندسی منابع آب، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران.
3 - گروه هیدروژئومورفولوژی، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران.

تاریخ دریافت : 1396/07/12 تاریخ پذیرش : 1396/09/25 تاریخ انتشار : 1396/07/09

کلید واژه: autocorrelation, Time series, سری‌های زمانی, خودهمبستگی, برآورد, Prediction of discharge, SARIMAmodels, جریان آبراهه ماهانه, مدل SARIMA,

چکیده مقاله :

prediction of hydrological variables is a highly effective tool in water resource management. One of the important tools for modeling hydrological processes is the use of time series modeling and analysis. River series production series can be used by time series models in various studies such as drought, flood, reservoir systems design and many other purposes For this purpose, monthly flow data of this station has been used for 30 years (2011-1363). By using the regression method, incomplete data estimation and homogeneity of data were investigated by sequencing test .Using the SARIMA model, the monthly time series of the Idenak station was Investigated and the best model was fitted to its data.. The models were confirmed by the diagram of autocorrelation and partial-bond correlation functions of the residues and the Pert-Manto criteria. for evaluation the models, the AIC, SBC criteria were used. The results show that SARIMA models (1.0,1) * (2,0,2) 12, SARIMA (2,0,2) * (2,0,2 (12) and SARIMA (1,0,2) * (2,0,2) 12 are respectively in the first, second and third priority in terms of accuracy in modeling the monthly discharge of the Idenak station.

چکیده انگلیسی:

دبی جریان آبراهه‌ها ازجمله مهمترین داده هیدرولوژیکی هستند و به عنوان اطلاعات پایه در بسیاری از فعالیت‌های مرتبط با منابع آب در نقاط مختلف جهان استفاده می‌شوند. یکی از ابزارهای مهم در مدلسازی فرآیندهای هیدرولوژیکی استفاده از مدل‌های سری زمانی است. جریان آبراهه برآورد‌شده با استفاده از مدل‌های سری زمانی در مطالعات مختلفی نظیر خشکسالی، سیلاب، طراحی سیستم های مخازن و مدیریت منابع آب قابل استفاده می‌باشد. این امر بخصوص در مناطق خشک اهمیت بیشتری دارد. در این مقاله به ارزیابی دقت مدل‌های سری زمانی SARIMA در برآورد جریان ماهانه در ایستگاه هیدرومتری ایدنک پرداخته می‌شود. برای این منظور از داده‌های دبی جریان ماهانه این ایستگاه به مدت 30 سال، طی سال‌های (1390-1361) استفاده شده است. برای صحت‌سنجی مدل‌های سری زمانی SARIMA برازش یافته، از مقادیر آماره آزمون پورت مانتو، و باقی‌مانده‌ای توابع خودهمبستگی و خودهمبستگی جزیی استفاده ‌شد و برای انتخاب بهترین مدل SARIMA، از معیار اکائیکه اصلاح‌شده (AIK) و معیار بیزین شوارتز ((SBC بهره گرفته‌شد. نتایج این تحقیق  نشان می‌دهد که از بین مدل‌های مناسب برازش یافته بر دبی جریان ماهانه در ایستگاه هیدرومتری ایدنک،مدل‌های SARIMA(1,0,1)*(2,0,2)12‌،SARIMA(2,0,2)*(2,0,2)12 و SARIMA(1,0,2)*(2,0,2)12 به ترتیب در اولویت اول، دوم و سوم از لحاظ دقت در برآورد دبی جریان برخوردار می باشند.

منابع و مأخذ:

بشری، م.  و وفاخواه، م. (1389). مقایسه روش‌های مختلف تحلیل سری‌های زمانی در پیش‌بینی دبی ماهانه حوزه آبخیز کرخه. مجله مهندسی آبیاری و آب، شماره 2، ص 86-75.

صادقی، ح.، آخوندعلی، ع.م.، حداد، م. و گلابی، م.ر. (1394). الگوبندی و پیش بینی تقاضای آب شهر اصفهان با روند ضمنی و سری زمانی. مجله آب و خاک (علوم و صنایع کشاورزی)، شماره 2، ص 262-251.

عساکره، ح. (1388).  الگوسازی ARIMA برای میانگین سالانه دمای شهرتبریز. مجله تحقیقات جغرافیایی، شماره 2، ص 24-3.

ناوه‌، ه.، خلیلی، ک.، اعلمی، م.ت. و بهمنش، ج. (1391). پیش‌بینی جریان رودخانه با استفاده از مدل‌های غیرخطی سری زمانی دو-خطی ( مطالعه موردی رودخانه باراندوزچای وشهرچای ارومیه). مجله آب ‌و خاک (علوم و صنایع کشاورزی)، شماره 5، ص 1307-1299.

نیرومند، ح. (1391). تحلیل سریهای زمانی: روشهای یک متغیری و چند متغیری. تالیف ویلیام وی. انتشارات دانشگاه فردوسی مشهد. 602 ص.

نیک‌منش، م.ر. و طالب‌بیدختی، ن. (1391). مقایسه توانایی تئوری موجک و مدل سری‌های زمانی در مدل‌سازی بارندگی ماهانه مناطق سعادت‌شهر و ارسنجان در استان فارس. فصلنامه جغرافیای طبیعی، شماره 16، ص 1-10.

Box, G.E.P.,Jenkins, G.M.and Reinsel, G.C.(1994).Time series Analysis: Forecasting and Control.3^rdEd. prentice Hall, Englewood Cliffs Inc., New Jersey. 598p

Hasanah, Y. and Herlina, M. (2013). Flood Prediction using Transfer Function Model of Rainfall and Water Discharge Approach in Katulampa Dam. Proceedings environment sciences, 17(0), pp:317-326.

Jain, S. K. Das, A. and Sirvastava, D. K. (1999). Application of ANN for Reservoir Inflow Prediction and Operation. Journal of water Resources planning and Management, 125, pp:263-271.

Komornik, J., Komornıkova, M., Mesiar, R., Szokeova, D. and Szolgay, J. (2006). Comparison of Forecasting Performance of Nonlinear Models of Hydrological Time Series. Physics and Chemistry of the Earth, 31, pp:1127–1145.

McKerchar, A.I., and Delleur, L.W. (1974). Application of Seasonal Parametric Linear Stochastic Models to Monthly Flow Data. Journal of Water Resources.10, pp: 246-255.

Nayak, P.C., Sudheer, K.P., Ranagan, D.M. and Ramasastri, K.S. (2005).Short- TermFlood Forecasting with a Neurofuzzy Model. Journal Water Resources Research, 41, pp:2517- 2530.

  Thomas, H.A.M. and Fiering, B. (1962). Mathematical Synthesis of  Stream  Flow Sequences  for the     Analysis  of  River  by  Simulation. Harward University  press, Cambridge, 751 pp.