پیشبینی خشکسالی با استفاده از مدل ترکیبی GEP-GARCH(مطالعه موردی: ایستگاه سینوپتیک سلماس) | ||
| تحقیقات آب و خاک ایران | ||
| مقاله 3، دوره 50، شماره 6، آبان 1398، صفحه 1317-1329 اصل مقاله (519.64 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2019.271596.668069 | ||
| نویسندگان | ||
| عباس عباسی1؛ کیوان خلیلی** 2؛ جواد بهمنش3؛ اکبر شیرزاد4 | ||
| 1دانشجوی دکتری مهندسی آب، گروه مهندسی آب، دانشکده کشاورزی،دانشگاه ارومیه، ارومیه، ایران | ||
| 2استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران | ||
| 3دانشیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران | ||
| 4استادیار گروه مهندسی عمران، دانشکده مهندسی عمران، دانشگاه صنعتی ارومیه، ارومیه، ایران | ||
| چکیده | ||
| پیشبینی خشکسالی نقش مهمی در طراحی سیستمهای سازگاری با خشکسالی و اجرای عملیات تسکین ایفا مینماید. دادههای هیدرولوژیک بهصورت ترکیبی از بخش قطعی و تصادفی میباشند. با توجه به اینکه دادههای تولیدی مدلهای هوشمند بهصورت قطعی میباشند، استفاده از رویکردی جدید برای اعمال بخش تصادفی در پیشبینی این دادهها میتواند قطعیت مدل را افزایش دهد. در این تحقیق با ترکیب مدل برنامهریزی بیان ژن (GEP) و مدل سری زمانی مبتنی بر واریانس ناهمسان شرطی (GARCH) سعی در ارائه مدلی ترکیبی برای پیشبینی خشکسالی شده است. بدین منظور پیشبینی خشکسالی در ایستگاه سلماس با استفاده از شاخص خشکسالی SPEI در گامهای زمانی مختلف در طی دوره آماری 35 ساله و با پنج مدل ورودی مختلف شامل مقادیر شاخص SPEI از یک تا پنج گام زمانی تأخیر، مورد بررسی قرار گرفت. نتایج نشان داد که روش GEP در مقیاس زمانی کوتاهمدت شاخص SPEI از دقت مناسب برخوردار نمیباشد و با افزایش مقیاس زمانی عملکرد مدل بهبود پیدا میکند. نتایج مدل ترکیبی نشان داد که خطای مدل GEP در همه مقیاسهای زمانی کاهش پیدا میکند و این بهبود عملکرد در مقیاسهای زمانی کوتاهمدت ملموستر میباشد بهنحویکه ضریب همبستگی در مقیاس زمانی سهماهه در مدل ساده GEP از 622/0 به 891/0 در مدل ترکیبی افزایش پیدا کرده است. | ||
| کلیدواژهها | ||
| خشکسالی؛ سری زمانی غیرخطی؛ مدل هوشمند؛ SPEI | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 899 تعداد دریافت فایل اصل مقاله: 642 |
||