Scientific- Research Quarterly of Geographical Data (SEPEHR)

Scientific- Research Quarterly of Geographical Data (SEPEHR)

Precipitation Forecasting Method Using Box-Jenkins Time Series Model (Case Study: Ghaemshahr Station)

Author
Nabyyallah Ramezani
Master of Arts, Tarbiyat Moallem University of Tehran
Abstract
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.
Keywords
Time Series
Box-Jenkins model
self-correlation
minor self-correlation
ARIMA
Ghaemshahr Station
1 - آذر، عادل و منصور، مؤمنى (1377)، آمار و کاربرد آن در مدیریت، جلددوم، انتشارات سمت.
2 - باکس،جى، اى.بى وجى .ام،جنکینز(1371)، تحلیل سریهاى زمانى پیش‏بینى وکنترل، مشکانى، محمدرضا(مترجم)، جلداول، انتشارات دانشگاه شهیدبهشتى.
3-بزرگنیا،ابوالقاسم‏ونیرومند،حسینعلى(1374)،سریهاى‏زمانى،انتشارات‏پیام‏نور.
4 - جمشیدى، وحید(1368)،تجزیه وتحلیل درجه حرارت و بارندگى شهر تهران به وسیله سریهاى زمانى، پایان نامه کارشناسى ارشد، گروه آمار دانشگاه تربیت مدرس.
5 - شرکت آمار پردازان(1377)، راهنماى کاربرانspss6.0 تحت ویندوز، انتشارات مرکزفرهنگى حامى.
6 - مالکى،عبدالکریم(1375)، مدل سازى خشکسالى غرب کشور، پایان نامه کارشناسى ارشد،گروه آماردانشگاه شهیدبهشتى.
7- F.Valero etal(1996)"A method for the reconstruction and temporal extension of climatological timeseries",Int.J.Climatol,Vol.16, p.213-224.
8- Katz,R.W.and Richard H.S(1981)"On the use of autoregressive moving average processes to model meteorological time series ,"Monthly Weather Review,Vol.109,p.479-489.
Scientific- Research Quarterly of Geographical Data (SEPEHR)
Volume 15, Issue 60
Winter 2006
Pages 60-64