ارزیابی مدل های تلفیقی AR-ARCH و GAR-ARCH در مدل سازی دبی جریان (مطالعه موردی: رودخانه زرینه‌رود استان آذربایجان غربی)

نوع مقاله : مقاله کامل علمی پژوهشی

نویسندگان

1 دانشگاه ارومیه- گروه مهندسی آب

2 دانشگاه ارومیه

چکیده

بسیاری از فرآیندهای مربوط به سیستم‌های طبیعی نسبت به زمان غیر‌خطی بوده اگرچه جنبه‌های خاصی از این سیستم‌ها ممکن است نسبت به جنبه‌های دیگر به فرآیند خطی نزدیکتر باشند. به هر حال ماهیت غیر خطی بودن برای ما کاملا‌ً آشکار نیست. به همین دلیل به نظر می‌رسد با ترکیب مدل‌های خطی و غیرخطی بتوان نتایج مدل‌سازی‌های هیدرولوژیکی را افزایش داد. استفاده از مدل‌های سری زمانی یکی از راه‌های کاربردی در شبیه سازی و پیش بینی داده‌های هیدرولوژیک است. یکی از مشکلات عمده در استفاده از مدل‌های سری زمانی جهت پیش‌بینی داده‌های هیدرولوژیک، نحوه تولید داده‌های تصادفی است. در این فرآیند داده‌های تولیدی با تغییر سری تصادفی، تغییر خواهند کرد. در این تحقیق ابتدا داده‌های سری زمانی دبی جریان رودخانه زرینه‌رود مورد برسی اولیه از قبیل بررسی روند، استقلال و ایستایی و همگنی قرار گرفت. نتایج نشان داد که داده-های مورد بررسی در مقیاس سالانه و در سطح اطمینان 5 درصد بدون روند می‌باشند و همگنی و استقلال داد‌ه‌ها نیز تایید گردید. در نهایت داده‌های بررسی شده با استفاده از مدل‌های تک متغیره AR و GAR مورد ارزیابی قرار گرفت و مدل‌های AR(1) و GAR(1) با توجه به معیار آکائیکه به عنوان مدل‌های برتر انتخاب گردید. بعد از بررسی و مقایسه دو مدل فوق، سری زمانی باقی‌مانده این مدل‌ها استخراج و با استفاده از مدل‌های غیر خطی خودهمبسته با واریانس شرطی (ARCH) برازش یافتند. با تلفیق د.و مدل خودهمبسته و گامای خودهمبسته با مدل‌های غیر خطی خانواده ARCH سرانجام دو مدل تلفیقی AR-ARCH و GAR-ARCH تولید گردید. نتایج حاصل از مدل‌سازی دبی سالانه رودخانه زرینه رود نشان داد که مدل‌های تلفیقی GAR-ARCH و AR-ARCH به ترتیب دقت مدل‌سازی را به اندازه 12 و 11درصد در واحد متر مکعب بر ثانیه افزایش و خطای مدل‌سازی را در حدود 40 و 50 درصد در واحد مترمکعب بر ثانیه نسبت به مدل‌های خطی تک متغیره نظیر خود کاهش می‌دهند. نتایج حاصل از بررسی و مقایسه دقت و میزان خطای دو مدل AR و GAR نیز نشان داد که مدل GAR نتایج بهتری را در مدل‌سازی دبی جریان رودخانه زرینه رود ارائه می‌کند. مدل GAR نسبت به مدل AR مقدار خطای کمتر و دقت بیشتری را ارائه کرد. هم‌چنین نتایج نشان داد که مدل‌های تلفیقی، نقاط اوج دبی‌ها را در مورد مدل‌سازی دبی سالانه رودخانه زرینه رود، نسبت به مدل‌های رایج بهتر مدل می‌کنند. استفاده از مدل‌های غیرخطی و تلفیق آن‌ها با مدل‌های خطی تا حد زیادی قطعیت و دقت مدل‌سازی و پیش‌بینی‌ها را افزایش می‌دهد.

کلیدواژه‌ها


عنوان مقاله [English]

Evaluation of the Combined AR-ARCH and GAR-ARCH Models in Modeling Rivers Flow Rate (Case Study: Zarineh River in West Azerbaijan)

نویسنده [English]

  • Javad behmanesh 1
1
2
چکیده [English]

Many of processes related to water resources systems are non-linear over time. Although certain aspects of these systems may be closer than other aspects of the linear process. However, the nature of the non-linearity is not obvious for us. For this reason, it seems that by combination of linear and nonlinear models can be increased the hydrological modeling results. Using time series models is one of the applied methods to simulate and predict the hydrological data. One of the main problems in using time series models to modeling and prediction the hydrologic data is a kind of generate random data series. In this process the generated data will be changed with changing random series. In this study, the first, time series of Zarineh rood river discharge data were evaluated of initial analysis such as trend, stationary and independent and homogeneous. The results showed that the evaluated data in annual scale and in 5 percentage confidence level are without trend and the homogeneity and stationary of data were confirmed. Finally the data that were evaluated with the initial tests were investigated with the AR (Autoregressive) and GAR (Gamma Autoregressive) models and the AR(1) and GAR(1) models were selected as the best models with attention to the AICC test’s results. After the comparing the mentioned (AR & GAR) models, extracted the residual time series of these models and were fitted by ARCH (Autoregressive Conditional Heteroscedastic) models. Then combined two autoregressive and gamma autoregressive models, two AR-ARCH and GAR-ARCH models were obtained. The results of modeling the discharge of Zarineh-rood river showed that with combined two GAR-ARCH and AR-ARCH models, the model validation accurate was increased 12 percentage and 11 percentage in scale of cubic meters per second respectively and the model errors were decreased about 40 and 50 percentages in scale of cubic meters per second respectively. The results of evaluation and comparing the accuracy and amount error of two AR (Autoregressive) and GAR (Gamma autoregressive) models showed that the GAR (Gamma autoregressive) model has better results in modeling the Zarineh-rood flow discharge data. The GAR model has a lower error and upper accuracy than AR model. Also the results showed that the combined models have better results than traditional models in modeling the peak flow discharge of Zarineh-rood River in comparing the AR (Autoregressive) models. Using the nonlinear models and combine of these models with linear models greatly increases the modeling and forecasting results.

کلیدواژه‌ها [English]

  • Combined Model
  • Gamma
  • Linear models
  • Nonlinear Models