پیش بینی متوسط دمای سالانه شهر تبریز با استفاده از مدل های سری زمانی

هدف اصلی این پژوهش، مدل سازی داده های دمای ایستگاه سینوپتیک تبریز به کمک مدل آماری میانگین متحرک خودهمبسته یکپارچه با پوشش زمانی 2020-1951 بود.

روش و داده: 

ابتدا پیش پردازش بر روی داده های مورد مطالعه صورت گرفت، در گام بعدی به منظور تجزیه و تحلیل یک سری زمانی و ساختن یک الگوی مناسب از سه روش باکس - کاکس، روش تفاضل گیری مرتبه یک و روش حداقل مربعات برای ایستاسازی استفاده شد تا بر اساس نمودارهای ACF و PACF، کمینه معیار اطلاع آکاییک (AIC) و معیار اطلاع بیزی (BIC) در مورد بهترین الگو تصمیم گیری شود. در ادامه به منظور اطمینان از مناسب بودن بهترین مدل انتخاب شده، از نمودارهای احتمال نرمال، نمودار باقی مانده ها در برابر زمان، ACF و PACF و آزمون کلموگروف - اسمیرنف و معیارهای ارزیابی (MAE)، (MSE)، (RMSE) و (NRMSE) نیز استفاده گردید.

ضمن این که مدل های سری زمانی روش مناسبی در مدل سازی پارامترهای اقلیمی هستند، با بررسی کارایی روش های ایستاسازی باکس کاکس، تفاضلی مرتبه یک و حداقل مربعات برای داده های دما به صورت موردی برای ایستگاه سینوپتیک تبریز مشخص شد که روش تفاضلی مرتبه یک به دلیل دارا بودن کمترین شیب خط برازش و حذف کامل خودهمبستگی میان مقادیر دما بهترین روش ایستاسازی برای داده های دمای سالانه ایستگاه سینوپتیک تبریز است.

نتایج این پژوهش نشان داد که مدل  ARIMA(0,1,1)Con  مناسب ترین مدل برای پیش بینی دما برای سال های آتی است. لذا دمای متوسط سالیانه ایستگاه سینوپتیک تبریز در 18 سال آینده روند افزایشی خواهد داشت.

 با توجه به پیشینه مطالعات صورت گرفته و ضرورت آگاهی از وضعیت دما در تحقیقات مختلف روش های منفرد متفاوتی از جمله روش های تفاضل گیری، حداقل مربعات، تبدیل باکس - کاکس که هر یک به روش خاصی عوامل ناایستایی را حذف می کنند برای حذف روند استفاده شده بود. اما در تحقیق پیش رو، کارایی روش های مختلف ایستاسازی به منظور حذف روند، به طور هم زمان به صورت موردی برای ایستگاه همدید تبریز مورد ارزیابی قرار گرفت، تا با ارزیابی عملکرد روش های مختلف ایستاسازی داده ها و مدل های مختلف خانواده  ARIMA الگوی مناسب جهت پیش بینی دما تعیین گردد و تصویر واضح تری از شرایط دما در آینده حاصل گردد و نتایج آن بتواند در برنامه ریزی های مرتبط مورد استفاده قرار گیرد.