نوع مقاله : مقالات پژوهشی
نویسندگان
دانشگاه تبریز
چکیده
استفاده از مدلهای سری زمانی یکی از راههای کاربردی در شبیه سازی و پیش بینی داده های هیدرولوژیکی است. یکی از نقاط ضعف مدل-های سری زمانی در پیش بینی داده های هیدرولوژیکی، نحوه تولید داده های تصادفی است. به طوریکه داده های تولیدی نیز با تغییر سری تصادفی، تغییر خواهند کرد. این تحقیق با الگوی غیرخطی ARCH بخش تصادفی مدل سری زمانی مختص آن رودخانه را مدل سازی می کند. سپس سری تصادفی تولید می شود. مدل تلفیقی پیشنهادی BL-ARCH برای پیش بینی جریان رودخانه، با تلفیق مدل ARCH و مدل غیرخطی BL ارائه گردیده است. داده های روزانه 31 ساله دبی رودخانه شهرچای ارومیه واقع در غرب دریاچه ارومیه و استان آذربایجان غربی، برای پیش بینی 11 ساله جریان رودخانه استفاده شده است. نتایج حاصل نشان داد که مدل تلفیقی پیشنهادی با خطای 52/4، نسبت به مدل دوخطی با خطای77/6 برازش بهتری نسبت به مدل دوخطی دارد. این مدل می تواند در پیش بینی جریان های کوتاه مدت رودخانه به ویژه جریان های روزانه به کارگرفته شود.
کلیدواژهها
عنوان مقاله [English]
Introducing and Application of Combined BL-ARCH Model for Daily River flow Forecasting (Case study: Shahar-Chai River)
نویسندگان [English]
- A. Fakheri Fard
- yaghoub dinpazhoh
- F. Ahmadi
- J. Behmanesh
چکیده [English]
One of the applicable ways for simulation and forecasting hydrological processes is time series modeling. An important problem in forecasting hydrological data using time series is generating stochastic data. Any changes in stochastic series will change generating data. In this study nonlinear ARCH model presented in order to modeling and generating stochastic component of time series. After combing ARCH model with nonlinear bilinear model, BL-ARCH model suggested to forecasting river flow discharge. Daily river flow of Shahar-Chai River located in the west of Urmia Lake and West Azarbaijan province have been used for data analysis and 11 years forecasting. As results shown suggested model with 4.52 error has better than bilinear model with 6.77 error. So this model can be used for short-time river flow forecasting specially daily series.
کلیدواژهها [English]
- Stochastic series
- Bilinear model
- Combined BL-ARCH
- Forecasting daily flow
ارسال نظر در مورد این مقاله