مدل سازی آماری میانگین سالا نه دما در ایستگاه مهرآباد تهران
محل انتشار: مجله فیزیک زمین و فضا، دوره: 48، شماره: 2
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 71
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JESPHYS-48-2_012
تاریخ نمایه سازی: 26 مهر 1402
چکیده مقاله:
با توجه به اهمیت پدیده تغییرات آب وهوایی و گرمایش جهانی، آگاهی از رفتار گذشته، حال و آینده عناصر آب وهوایی از اهمیت شایان توجهی برخوردار است. در همین راستا، در پژوهش حاضر تلاش می شود داده های میانگین سالانه دما در ایستگاه مهرآباد تهران از سال ۱۳۳۰ تا ۱۳۹۴ بررسی شود. بدین منظور و برای شناسای تغییرات زمانی میانگین دمای سالانه، مدل سازی آماری–خانواده مدل های آریما (ARIMA) به کار گرفته شد. برای نیل به این هدف، معنی داری آماری مراتب و اجزای مختلف مدل، برای پیش بینی وارسی شد. در نهایت دو مدل ARIMA(۰,۱,۱)con و ARIMA(۲,۱,۰)con به عنوان مدل های رقیب انتخاب شدند. معیارهای نهایی نشان دادند که مدل ARIMA(۰,۱,۱)con به عنوان مناسب ترین مدل برازنده بر دمای سالانه ایستگاه مهرآباد تهران است. همچنین، آزمون های آماری خودهمبستگی، ضریب همبستگی پیرسون، همگنی نرمال استاندارد، وانیومن، انحرافات تجمعی، نقاط عطف، علامت و پورت مانتئو برای وارسی رفتار باقی مانده های مدل پیش بین استفاده شد. علاوه بر این، شیوه های ترسیمی برای نرمال بودن باقی مانده ها، استقلال، ثابت بودن واریانس بر روی باقی مانده های مدل ARIMA(۰,۱,۱)con، در راستای بالا بردن اطمینان آماری عدم قطعیت مدل پیش بین انجام شد. یافته های حاصل از مدل نشان می دهد که به طور میانگین هر سال نسبت به سال قبل از خود حدود میزان ۰۳۸/۰ درجه سلسیوس افزایش دما را تجربه می کند. میانگین دمای ۱۶ ساله پیش بینی به طور میانگین برابر ۷۴۲/۱۷ درجه سلسیوس خواهد بود. نتایج آزمون ها نیز نشان دادند باقی مانده های مدل ARIMA(۰,۱,۱)con رفتار تصادفی دارند، که نشان می دهد مدل حاصل، برازنده پیش بینی برای سری زمانی میانگین سالانه دما در ایستگاه مهرآباد تهران است.
کلیدواژه ها:
نویسندگان
Arman Jahedi
دانشجوی دکتری، گروه جغرافیا، دانشکده علوم انسانی، دانشگاه زنجان، زنجان، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :