پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 163 |
| تعداد شماره‌ها | 6,762 |
| تعداد مقالات | 72,839 |
| تعداد مشاهده مقاله | 131,883,023 |
| تعداد دریافت فایل اصل مقاله | 103,542,927 |
افزایش دقت پیش‌بینی سریهای زمانی دمای خاک در اعماق مختلف با استفاده از آنالیز طیفی و مدل‌های باکس-جنکینز | ||
| تحقیقات آب و خاک ایران | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 21 اردیبهشت 1404 اصل مقاله (2.61 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2025.391251.669896 | ||
| نویسندگان | ||
| فرشته نورمحمدی ده بالایی* 1؛ عباس سلیمان پور2؛ سید تقی امید نائینی3 | ||
| 1گروه مهندسی عمران، دانشکده مهندسی عمران، دانشکدگان فنی ، دانشگاه تهران، تهران، ایران | ||
| 2گروه مهندسی کشاورزی، دانشکده کشاورزی، دانشگاه صنعتی اصفهان، اصفهان، ایران. | ||
| 3گروه مهندسی عمران، دانشکده مهندسی عمران، دانشکدگان فنی دانشگاه تهران. تهران. ایران. | ||
| چکیده | ||
| دمای خاک، یک پارامتر دینامیکی مهم است که پیش‌بینی آن نقش مهمی را در فرآیندهای هیدرولوژیکی در سطح خاک ایفا میکند. در این مطالعه، با هدف بهبود پیش‌بینی رفتار حرارتی لایههای خاک در اعماق مختلف، از ترکیب تحلیل طیفی و مدل‌های سری زمانی باکس-جنکینز استفاده شده است. دو سناریوی اصلی برای مدلسازی در نظر گرفته شد: سناریوی اول با تکیه بر داده‌های دمای خاک، و سناریوی دوم با در نظر گرفتن متغیرهای هواشناسی به‌عنوان ورودی‌های کمکی. عملکرد مدل‌ها با معیارهای MAE، RMSE، R2 و AIC ارزیابی گردید. پس از انجام آزمونهای مختلف مولفههای قطعی در سری زمانی شناسایی و با کمک پارامترهای آماری مختلف شدت این مولفهها مورد ارزیابی قرار گرفت. تحلیل پارامترهای آماری نشان داد که فصلی بودن نقش مهمتری نسبت به روند در سریهای زمانی دمای خاک دارد. مدل‌های توسعه‌یافته نشان دادند که ترکیب تحلیل طیفی با ساختارهای ARMA و ARIMA به‌طور مؤثری دقت پیش‌بینی دمای خاک را افزایش می‌دهد. در عمق ۱۰۰ سانتی‌متری، این روش با ضریب تعیین 0.9750، خطای پایین(MAE=0.83 وRMSE=1.06) و پیچیدگی کمتر (AIC= -221.38) نسبت به مدل‌های چندمتغیره، عملکرد بهتری را ارائه کرد. همچنین، گرچه در برخی سناریوها افزودن متغیرهای هواشناسی مانند تبخیر و تعرق، سرعت باد و تابش خورشیدی موجب بهبود در نتایج شد، اما مدل‌های تک‌متغیره مبتنی بر داده‌های دمای خاک عملکرد پایدارتری ارائه دادند. در نهایت، این مطالعه نشان داد که ترکیب روش‌های طیفی با مدل‌های سری زمانی، روشی مؤثر و قابل اعتماد برای پیش‌بینی دمای خاک در اعماق مختلف است. | ||
| کلیدواژه‌ها | ||
| تحلیل طیفی؛ رفتار حرارتی لایههای خاک؛ تحلیلهای آماری؛ مدلسازی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 28 تعداد دریافت فایل اصل مقاله: 26 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب