مدل سازی سری های زمانی دما و بارش ماهانه در تبریز با استفاده از مدل حافظه بلندمدت ARFIMA

تغییرات سری‏های زمانی میزان دما و بارش یکی از پارامترهای مهم اقلیمی در بررسی فرایندهای هیدرولوژیکی، کشاورزی، محیط زیست، بهداشت، صنعت و اقتصاد است. ارزیابی و پیش‏بینی میزان دما و بارش کمک شایانی برای مدیران و برنامه‏ریزان کشاورزی و منابع آب است. یکی از روش های بررسی داده های سری زمانی استفاده از مدل های آماری است. با توجه به اهمیت موضوع، در این مقاله میزان دما و بارش ماهانه در نیم قرن اخیر (2018-1969) ایستگاه‏ هواشناسی همدید تبریز با استفاده از مدل ARFIMA مورد بررسی قرار می گیرد، و برای برازش مدل از آزمون های R/S و GPH استفاده شده است. در ادامه برای بررسی ایستایی مدل از توابع خودهمبستگی (ADF)، خودهمبستگی جزیی (PACF) و روش تفاضل‏گیری استفاده شده است. اما از آنجایی که برای اولین بار داده های ایستگاه هواشناسی همدید با استفاده از مدل ARFIMA مورد ارزیابی قرار می گیرد، برای بررسی دقت از معیارهای اطلاع بیزی (BIC)، مجذور میانگین مربعات خطا (RMSE) و آکاییک (AIC) استفاده شده است. نتایج بررسی مدل با حافظه بلندمدت سری‏های زمانی میزان دما و بارش در سطح 95 درصد مورد تایید قرار گرفت. با این تفاوت که برای پارامتر بارش به نظر می رسد این عمل شکننده است. همچنین تحلیل ساختارهای مختلف نشان دهنده آن است که داده‏های میزان دما و میزان بارش به ترتیب با استفاده از مدل ARFIMA(3,0.2,1) مدل ARFIMA(1,0.0004,4) بهترین برازش یا عملکرد را دارند. و قابل ذکر است مقدار RMSE مدل های برازش بین مقادیر مشاهداتی و شبیه‏سازی میزان دما و بارش به ترتیب برابر با 2/2 و 4/38 است، که حاکی از دقت مناسب مدل های ارایه شده است و می‏توان از آن برای پیش‏بینی استفاده کرد.