نویسنده
کارشناس ارشد دانشگاه تربیت معلم تهران
چکیده
مدل هاى پیش بینى باکس- جنکینز یکى از معروف ترین مدل هاى سری هاى زمانى است که در پیش بینى پدیده هاى مختلف جغرافیایى اهمیت بسزایى دارد. در روششناسى باکس - جنکینز مدل هاى سرى زمانى در واقع مدل هاى تلفیقى اتورگرسیو و میانگین متحرک مى باشند که در آمار به مدل هاى ARIMA(1) معروف هستند. از مدل هاى ARIMA مى توان مدل هاى متعددى چون مدل رگرسیون ساده و چند متغیره، اتورگرسیو، میانگین متحرک، مدل هاى فصلى و حتى مدل هاى ناشناخته دیگر را استخراج کرد. در این تحقیق ضمن بیان روش پیش بینى بارش از طریق مدل سرى زمانى باکس- جنکینز، به طور عملى و با برازش دادن این مدل بر روى داده هاى بارش ماهانه ایستگاه سینوپتیک قائمشهر که از آمار 50 ساله برخوردار است، بهترین مدل براى پیش بینى بارش در این ایستگاه که از نوع مدل SARIMA(1.0.1)(0.1.1) بود، انتخاب شد.
کلیدواژهها
عنوان مقاله [English]
Precipitation Forecasting Method Using Box-Jenkins Time Series Model (Case Study: Ghaemshahr Station)
نویسنده [English]
- Nabyyallah Ramezani
Master of Arts, Tarbiyat Moallem University of Tehran
چکیده [English]
Box-Jenkins prediction model is one of the most famous time series models and is important in predicting different geographic phenomena. In Box-Jenkins methodology, time series models are in fact autoregressive integrated moving average models that are known as ARIMA models in statistics. Various models such as simple and multivariate regression, autoregressive, moving average, seasonal models and even unknown models can be derived from ARIMA models. In this research, while expressing the precipitation forecasting method using the Box-Jenkins time series model practically and by fitting this model on the monthly precipitation data of Ghaemshahr synoptic station, which contains statistics of 50 years, the best model for forecasting precipitation in this station was selected, which was from the type of SARIMA (1.0.1) (0.1. 1) model.
کلیدواژهها [English]
- Time Series
- Box-Jenkins model
- self-correlation
- minor self-correlation
- ARIMA
- Ghaemshahr Station