ارزیابی رویکردهای ساختاری فضای حالت نسبت به کلاسیک در پیش بینی سری زمانی بارش (حوضه آبریز دز)

در این مقاله، مطالعه ای در مورد استفاده از تکنیک های پیش بینی بارش با داده های سری زمانی ارایه شد. سری های زمانی ابزاری کارآمد برای شناخت ماهیت پدیده های هیدرولوژیکی هستند که با داشتن شناخت کافی از آن ها می توان تغییرات آینده را مدل سازی و پیش بینی کرد. مدل های مختلف آماری با هدف کاهش خطا و بالا بردن دقت پیش بینی، درنظر گرفته شده است. فضای حالت به واسطه ساختاری بودن و انعطاف پذیربودن آن، امکان مدل بندی هر یک از مولفه های تشکیل دهنده متغیر، شامل سطح، فصلی و تصادفی را به طور مجزا دارد. از این رو با شناسایی سیستم در نحوه مدل سازی متغیر مورد مطالعه، امکان کنترل و حداقل نمودن خطای برآورد، به طور هوشمندانه تری در مقایسه با مدل های کلاسیک را دارد. در تحقیق حاضر به منظور ارزیابی قابلیت مدل سازی فضای حالت و مقایسه با مدل های کلاسیک، اقدام به مدل سازی بارش ماهانه در سه ایستگاه باران سنجی، در حوضه آبریز دز، با چهار مدل ساختاری فضای حالت شامل فیلتر کالمن، مدل هموارسازی نمایی ETS و مدل های هموار سازی نمایی اصلاح شده BATS و TBATS و مدل کلاسیک ARIMA گردید. نتایج نشان داد در ایستگاه سپیددشت سزار بر اساس معیار RMSE و MAE مدل TBATS و در ایستگاه تنگ پنج بختیاری بر اساس معیار RMSE و MAE مدل فیلتر کالمن و در ایستگاه تله زنگ بر اساس معیار RMSE و MAE مدل TBATS بهترین مدل ها انتخاب شدند.