پیش بینی دمای سطح آب خلیج فارس با استفاده از فرایندهای اتورگرسیو برداری

نویسندگان

  • مرضیه جهاندیده عضو هیئت علمی دانشگاه آزاد اسلامی، واحد مرودشت، گروه ریاضی
چکیده مقاله:

در این مطالعه مدل های سری های زمانی چند متغیره به عنوان مدل های تصادفی خطی برای پیش بینی میانگین ماهانه دمای سطح آب خلیج فارس استفاده شد. سری های زمانی داده های این دما برای شش گره دریایی برای دوره 2007-1854 به عنوان پرونده ورودی مدل های چند متغیره سری های زمانی در نظر گرفته شدند. فرایندهای اتورگرسیو برداری برای انجام سری های زمانی چند متغیره به کار برده شدند. نمودارهای خود همبستگی باقی مانده ها برای مدل های انتخاب شده بر اساس ملاک اطلاعات آکاییک نشان می دهند که باقی مانده ها ناهمبسته اند. مقادیرمیانگین ماهانه دمای سطح آب خلیج فارس از ژانویه 2008 تا دسامبر 2009 به عنوان داده های آزمون با استفاده از مدل برازش داده شده پیش بینی شدند. نتایج نشان داد که ضریب همبستگی بین مقادیر مشاهده و پیش بینی شده برای هر گره در حدود 99/. می باشد. جذر میانگین توان دوم خطای پیش بینی برای هر گره کمتر از 7/. درجه سانتی گراد می باشد  

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

پیش بینی دمای سطح آب خلیج فارس با استفاده از رگرسیون چندگانه و تحلیل مؤلفه های اصلی

با توجه به آن که نوسانات دمای سطح آب خلیج فارس (pgsst) (persian gulf sea surface temperature) تأثیر قابل ملاحظه ای بر بارش زمستانه، منابع آب و تولیدات کشاورزی نواحی جنوب غربی کشور دارد، امکان پیش بینی دمای زمستانه دمای سطح آب این گستره آبی با استفاده از مدل رگرسیون چندگانه مورد ارزیابی قرار گرفت. سری های زمانی pgsst برای کلیه فصول در دوره 1992-1947 به عنوان پیشگوکننده و سری زمانی این متغیر برای...

متن کامل

پیش‌بینی دمای سطح آب خلیج فارس با استفاده از رگرسیون چندگانه و تحلیل مؤلفه‌های اصلی

Since the fluctuations of the Persian Gulf Sea Surface Temperature (PGSST) have a significant effect on the winter precipitation and water resources and agricultural productions of the south western parts of Iran, the possibility of the Winter SST prediction was evaluated by multiple regression model. The time series of PGSSTs for all seasons, during 1947-1992, were considered as predictors, an...

متن کامل

پیش‌بینی دمای سطح آب خلیج فارس با استفاده از رگرسیون چندگانه و تحلیل مؤلفه‌های اصلی

Since the fluctuations of the Persian Gulf Sea Surface Temperature (PGSST) have a significant effect on the winter precipitation and water resources and agricultural productions of the south western parts of Iran, the possibility of the Winter SST prediction was evaluated by multiple regression model. The time series of PGSSTs for all seasons, during 1947-1992, were considered as predictors, an...

متن کامل

ارزیابی برآورد دمای سطح آب و ارتباط سنجی پارامتر دما با عمق در خلیج فارس با استفاده از سنجنده مودیس

در این تحقیق، به‌منظور ایجاد تصاویر حرارتی سطح آب (SST) خلیج‌فارس از تصاویر سنجنده MODIS (اسپکترورادیومتر تصویر بردار با قدرت تفکیک متوسط) که بر روی ماهواره آکوا (EOS AM-1) قرار دارد، استفاده‌شده است. از نرم‌افزار Matlab جهت استخراج ماتریس حاوی اطلاعات تصاویر ماهواره‌ای و نرم‌افزار GIS جهت تبدیل ماتریس به‌دست آمده به نقشه‌های دمای سطحی آب دریا در خلیج‌فارس، استفاده‌شده است. 48 تصویر از سال‌های ...

متن کامل

پیش بینی حداکثر بارندگی ماهانه ایستگاه ایلام از روی دمای سطح آب خلیج فارس و دریای سرخ با استفاده از روش داده کاوی

پیش بینی حداکثر بارندگی ماهانه یکی از ابزارهای بهینه برای مدیریت های کشاورزی و منابع آب است. تحقیقات گذشته نشان می دهد، نوسانات دمای سطح آب دریاها بر بارش سطح خشکی های زمین موثر است. در این تحقیق ارتباط بین دمای سطوح گستره های آبی خلیج فارس و دریای سرخ با حداکثر بارش ماهانه ایستگاه ایلام و همچنین امکان پیش بینی آن با استفاده از روش داده کاوی بررسی شد. برای این منظور آمار 45 سال دمای ماهانه سطوح...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 4  شماره 8

صفحات  53- 62

تاریخ انتشار 2011-03-21

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023