مدلسازی و پیش بینی پدیده گرد و غبار استان سیستان و بلوچستان بر اساس مدل برون یابی منحنی روند سری¬های زمانی | ||
| کاوش های جغرافیایی مناطق بیابانی | ||
| مقاله 7، دوره 1، شماره 1، فروردین 1392، صفحه 139-157 اصل مقاله (340.7 K) | ||
| نویسندگان | ||
| دکترتقی طاوسی1؛ اکبر زهرایی* 2 | ||
| 1دانشیار آب و هواشناسی دانشگاه سیستان و بلوچستان، زاهدان | ||
| 2دانشجوی دکتری آب و هواشناسی دانشگاه اصفهان | ||
| چکیده | ||
| منطقه جنوب شرق کشور از جمله مناطقی است که سالانه شاهد توفانهای گرد و غبار فراوان در محدوده سرزمینی خود است. بر اساس همین ضرورت، هدف نهایی پژوهش حاضر تحلیل سریهای زمانی توفانهای گرد و غباری استان در مقیاسهای ماهانه، فصلی و سالانه، شناسایی مدل احتمالی مولد دادهها و در نهایت الگوسازی برای اظهار نظر در مورد رفتار آینده سری توفانهای گرد و غبار میباشد. برای انجام پژوهش از آمار هفت ایستگاه بالای 20 سال دوره آماری (2008-1986) استفاده گردید. ابتدا تعیین روند توفانهای گرد و غبار برای ایستگاهها در مقیاسهای مختلف (ماهانه، فصلی و سالانه) توسط روشهای ناپارامتری صورت گرفت. برای برازش مدل مناسب جهت برآورد تغییرات توفانهای گرد و غبار در سطح استان در سالهای آتی با استفاده از روشهای کمی یک متغیره سریهای زمانی (برونیابی منحنی روند، هموار کردن نمایی، روش هلت-وینترز و روش باکس- جنکینز) اقدام به تحلیل سریها گردید و در نهایت مدل مناسب جهت برازش توفانهای گرد وغبار استان سیستان و بلوچستان مدل برونیابی منحنی روند مشخص گردید. نتایج پژوهش نشان داد که حداکثر روند به صورت افزایشی در فصول تابستان و پاییز در سطح استان مشاهده میگردد و روند صعودی در سطح اطمینان 99 درصد به حداکثر خود در این فصول میرسد. طی فرآیند تعیین روند و جهت آن برای فصول مشخص گردید که در سطح استان تنها در بخش شرقی در محدوده ایستگاههای خاش و سراوان روند معنیدار مشاهده نمیگردد و سایر بخشهای استان دارای روند معنیدار وجود دارد. | ||
| کلیدواژهها | ||
| گرد و غبار؛ سری های زمانی؛ مدل سازی؛ سیستان و بلوچستان | ||
| عنوان مقاله [English] | ||
| Sistan and Balouchestan Province Based on Extrapolation of Time Series Curves | ||
| نویسندگان [English] | ||
| taghi tavoosi1؛ akbar zahrai2 | ||
| چکیده [English] | ||
| The time series is to try it with the last of the series, a possible model for generating data to identify and comment on this model series is about the future behavior. Possible models for time series of the same patterns are random processes. General trend in the time series is quite variable and not predictable, is uncertain. Random by random changes in the level and slope processes that occur in the series are identified. Generally, quantitative methods for time series forecasting methods can be divided into variable and multivariate methods. Data used in this study using a quantitative variable is checked. Variable in a method of analyzing past data to identify an appropriate model and assuming changed model; it predicts the future behavior of the series are. Quantitative methods with a variable in a series of four methods that can be fitted model for the series include: extrapolation of the curve, smooth exponential, the Holth- winterz and Box -Jenkins. In the present series as an experimental station of the four methods were analyzed And the diffraction data set at the top station of the curve is the best way to analysis extrapolation model was selected. Note that in addition to the monthly data showed a seasonal behavior for a series of linear trend and seasonal factors,Decomposition procedures were used. Decomposition procedures for the analysis of the series using the least squares regression line fitted to the data found. Multiplicative model in the next step in the process of sharing data, trend data are lacking. Then central moving average (with a length equal to the length of season), no trend data were mooted In each period, the median seasonal values of raw seasonal adjustment were calculated and then finally, the seasonal index for the data to the data was seasonally adjusted. Final results of time-series model to estimate changes in the scale of seasonal dust extraction for the stations studied, with graphs and charts to predict the final residual normal probability model was outlined. The remainder of the normal probability plots of the model cannot be assumed to be normal for the remaining stations of the on the occasion of his reason, and this model is fitted to time series data. | ||
| کلیدواژهها [English] | ||
| Dust, Time Series, Modeling, Sistan and Baluchestan | ||
|
آمار تعداد مشاهده مقاله: 3,311 تعداد دریافت فایل اصل مقاله: 2,787 |
||