ارائه یک مدل استوکاستیک برای پیش بینی بارش حوضه لیقوانچای
/رحیم کریم زاده حلیمی
تبریز: دانشگاه تبریز
۱۱۱ص.
: مصور، جدول، نمودار، عکس ۳۰*۲۹س.م-+ یک لوح فشرده
چاپی
واژه نامه بصورت زیرنویس
کتابنامه ص.: ۹۷-۹۸
کارشناسی ارشد
عمران- سازه های هیدرولیکی
۱۳۸۶/۰۷/۲۵
تبریز: دانشگاه تبریز
از آنجائیکه منابع آبی قابل دسترس به مرور زمان کاهش می یابند ، اهمیت مدیریت و برنامه ریزی آب بیش از پیش مشخص میگردد .باتوجه به گسترش شهرها و روند صنعتی شدن ، تقاضای آب نیز افزایش پیدا کرده است .لذا مقوله پیش بینی بارش را میتوان یکی از اساسی ترین کارها در این زمینه تلقی کرد .لزوم پیش بینی بارش نیز در کارهای عمرانی ، به منظور کنترل دبی رودخانه ها جهت استفاده بهینه از مخازن سدها ، ساماندهی رودخانه ها و هشدار سیل ، کاملا احساس میشود .از دیگر اهداف پیش بینی بارش میتوان به ذخیره آب ، کنترل سیلاب ، آبیاری و زهکشی اشاره کرد .تعداد زیاد پارامترها و عدم پایداری مشخصه های حوضه های آبریز ، مسئله مدل سازی بارش را پیچیده تر میکند .استفاده از مدل های آماری ، هیدرولیکی و هیدرولوژیکی ، سابقه طولانی در بحث پیش بینی بارش داشته است .استفاده از سری های زمانی در مهندسی منابع آب به طور وسیع کاربرد داشته است .هدف از تجزیه و تحلیل سری های زمانی اولا درک و یا به مدل درآوردن مکانیسم تصادفی است که منجر به مشاهده سری میشوند و ثانیا پیش بینی مقادیر آینده سری بر اساس مشاهدات گذشته آن است .هدف این تحقیق ارائه یک مدل استوکاستیک برای بارش حوضه لیقوانچای با استفاده از سری زمانی است که در آن انواع مختلف الگوهای میانگین متحرک ، اتورگرسیو و همچنین الگوهای مرکب با پارامترهای مختلف مورد بررسی قرار گرفته و در نهایت یک الگوی برتر سری زمانی که دارای دقت بیشتری نسبت به سایر الگوها میباشد معرفی شده و کار پیش بینی بارش با آن الگو انجام گرفته است .نتایج کلی نشان دهنده کارایی مدل سری زمانی در پیش بینی بارش ماهانه حوضه آبریز لیقوان چای است.
Available water resources are quickly decreasing and so on importance of water management and planning are highlighted. The Need for river flow forecasting in civil works, planning for optimum usage in dam reservoir, river training and flood warning, is increasingly emerging. The target points of such measures include water storage, flood control, drainage, water quality, energy generation, recreation centers, as well as fish and wildlife development. Time Series Forecasting has received tremendous attention of researchers in the last few decades. Accordingly, to forecast precipitation process many complicated parameters are participated. In this research, a stochastic model used for forecasting precipitation of Ligvan Chay Watershed located in East Azarbaijan Province of Iran. Monthly precipitation, data are available variables of precipitation in this watershed. In the due steps of this research, the effect of each parameter of various time series has been investigated. Autoregressive (AR), Moving Average (MA) and combinational model ARIMA has been applied for modeling. Finally, a superior time series model with more accuracy than other models is defined and forecasting process has been performed with this model. Overall results show that the performance of time series to forecasting monthly precipitation of Ligvan Chay watershed is reasonable.