مدل‌سازی پارامترهای کیفی رودخانه با استفاده از مدل‌های هیبریدی سری زمانی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 موسسه آموزش عالی غیرانتفاعی صبا

2 گروه مهندسی آب دانشکده کشاورزی دانشگاه ارومیه

چکیده

در این تحقیق به منظور بررسی و ارزیابی دقت مدل-های تک متغیره سری زمانی، چند متغیره سری زمانی و مدل-های هیبریدی در مدل‌سازی مقادیر کیفی جریان رودخانه در محل ایستگاه هیدرومتری پی‌قلعه واقع در غرب دریاچه ارومیه از داده‌های کیفی جریان رودخانه و دبی منتاظر با آن در مقیاس سالانه و ماهانه و در دوره آماری 95-1354 استفاده شده است. پارامترهای کیفی مورد بررسی در این تحقیق مقادیر EC، TDS و SAR می‌باشند که در این مطالعه مقادیر EC و TDS مدل‌سازی شده و مورد بررسی قرار گرفتند. مدل ARMA(1,0) برای مقادیر EC و TDS ایستگاه هیدرومتری مورد استفاده به‌عنوان مدل برتر انتخاب گردید. نتایج نشان داد که دقت مدل‌های تک متغیره خطی سری زمانی در مدل‌سازی پارامترهای EC و TDS ایستگاه‌های مورد مطالعه رضایت بخش نبوده ولی قابل قبول می‌باشد. در مورد مدل‌های تک متغیره ماهانه نیز نتایج مشابه حاصل شد. بعد از بررسی مدل تک متغیره سری زمانی، مدل‌های چند متغیره سری زمانی در مقیاس ماهانه و سالانه مورد بررسی قرار گرفت. در این مدل، داده‌های EC، TDS، SAR و دبی جریان رودخانه مورد بررسی در محل ایستگاه‌های هیدرومتری پی‌قلعه به‌عنوان ورودی مدل در نظر گرفته شد. نتایج بررسی میزان خطای مدل-های CARMA و MPAR در بررسی مقادیر EC نشان داد که به‌طور متوسط مقادیر خطا به ترتیب 25 و 21 درصد نسبت به مدل‌های ARMA و PARMA کاهش می‌یابد که این بهبودی مقادیر خطا در مورد داده‌های TDS به ترتیب برابر با 34 و 33 درصد می‌باشد. به‌طور کلی نتایج نشان داد که در تمام ایستگاه‌های مورد مطالعه مدل‌سازی مقادیر EC و TDS در مقیاس سالانه و ماهانه با استفاده از مدل‌های چندمتغیره سری زمانی نتایج بهتری را نسبت به مدل‌های تک متغیره خانواده آرما ارائه می‌کند. در نهایت با بکارگیری مدل‌های هیبریدی سری زمانی، میزان خطای ناشی از مدل‌سازی مقادیر EC در مقیاس ماهانه و سالانه به ترتیب حدود 46 و 10 درصد و برای مقادیر TDS حدود 40 و 12 درصد بهبود بخشیده و کاهش یافت.

کلیدواژه‌ها

عنوان مقاله [English]

Modeling of River Quality Parameters Using Hybrid Time Series Models (Case Study: Gedarchay River)

نویسندگان [English]

  • Laya Sepehri 1
  • Keivan Khalili 2
1 Saba Institute
2 Urmia University
چکیده [English]

In this research, in order to study and evaluate the accuracy of single-variable time series models, multi-variables time series and hybrid models in modeling the river flow quality values in the Peygale hydrometric station located in the west of Lake Urmia from data The qualitative flow of the river and the flow river has been observed on an annual and monthly scale and during the statistical period of 1975-2016. The qualitative parameters studied in this study are EC, TDS and SAR values. In this study, EC and TDS values were modeled and studied. The ARMA model (1.0) was selected for EC and TDS values of the hydrometric station used as the superior model. The results showed that the accuracy of single-variable linear time series models in modeling the EC and TDS parameters of the studied station was not satisfactory, but acceptable. Similar results were obtained for monthly single-variable models. After studying the time series single-valued model, multi-variable time series models were investigated on the monthly and annual scale. In this model, the EC, TDS, SAR and flow data of the river were considered at the Peylgale hydrometric station as inputs of the model. The results of the error analysis of CARMA and MPAR models for EC values showed that, on average, the error values were 25 and 21 percent lower than the ARMA and PARMA models, which resulted in an improvement in the error values for the data TDS is 34% and 33% respectively. Overall, the results showed that in all stations studied, EC and TDS values are estimated to be better than single-variable models of ArmA family on annual and monthly basis using multiple time series models. Let's say Finally, applying the time series hybrid models, the error rate resulting from modeling of EC values in the monthly and annual scale was 46% and 10%, respectively, and for the TDS values it was 40% and 12%, respectively.

کلیدواژه‌ها [English]

  • Contemporaneous Models
  • Linear Models
  • Multivariate Models
  • Time series
  • Water Quality

مراجع

خلیلی، ک.، ناظری تهرودی، م. و عباس­زاده افشار، م. 1396. ارزیابی عملکرد مدل­های سری زمانی چند متغیره تلفیقی، MPAR و MPAR-ARCH در مدل­سازی دبی جریان رودخانه با درنظر گرفتن عوامل مؤثر هواشناسی (مطالعه موردی: رودخانه نازلوچای). نشریه دانش آب و خاک، 27(3): 133-121.
کارآموز، م. و عراقی نژاد، ش. 1389، هیدرولوژی پیشرفته. چاپ دوم، انتشارات دانشگاه صنعتی امیرکبیر، تهران،464 صفحه.
ناظری تهرودی، م.، خلیلی، ک.، عباس­زاده افشار، م. و بهمنش، ج. 1396. ارزیابی مدلهای تلفیقی ARMA-ARCH و BL-ARCH در مدلسازی تراز سطح آب دریاچه ارومیه. علوم و مهندسی آبیاری، 40(1): 189-177.
Caiado, J. 2007. Forecasting water consumption in Spain using univariate time series models. Munich Personal RePEc Archive, no: 6610.
Camacho F. 1984. Contemporaneous ARMA modeling with applications. Ph.D. Dissertation, Department of Statistical and Actuarial Sciences. The University of Western Ontario, London, Ontario, Canada.
Engle R F. 1982. Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica: Journal of the Econometric Society, 987-1007.
Freydooni, M. Rahimi, M. Babazadeh, H. Sedghi H. Elhami M. R. 2012. Comparison of artificial neural networks and stochastic models in river discharge forecasting. African journal of Agricultural Research, 7(40): 5446-5458
Ghorbanpoor, M. A. Abbaspoor, K. Jalalvand, G. Ashtiani Moghadam, G. 2010. Stochastic modeling of surface stream flow at different time scales: Sangsoorakh karst basin, Iran. Journal of Cave and Karst studies, 72: 1-10.
Hipel K.W., McLeod A.I. 1994. Time Series Modeling of Water Resources and Environmental Systems. Elsvier, Amsterdam.
Karamouz, M., Szidarovszky, F., Zahraie, B. 2003. Water resources Systems Analysis with EmpHasis on Conflict Resoilution. Lewis Publishers. 589 pp.
Komornik, J., Komornikova, M., Mesiar, R., Szokeova, D. and Szolgay J. 2006. Comparison of forecasting performance of nonlinear models of hydrological time series. J. PHysics and Chemistry of the Earth, 31:1127-1145.
Machiwal, D. and Jha, M.K. (2012). Hydrologic time series Analysis: Theory and Practice. Springer, The Netherlands, with Capital Publishing Company, New Delhi, India, 303 pp.
McLeod Al and Hipel KW, 1978. Simulation procedures for Box - Jenkins models. Water Resources Research 14(5): 969-975.
Salas, J.D. (1993). Analysis and modeling of hydrologic time series. In: D.R. Maidment (editor-in-chief), Handbook of Hydrology. McGraw-Hill, Inc., USA, pp. 19.1-19.72.
Salas, J.D., Delleur, J.W., Yevjevich, V. and Lane, W.L. (1980). Applied Modeling of Hydrologic Time Series. Water Resources Publications, Littleton, CO.
Shahin, M., Van Oorschot, H.J.L. and De Lange, S.J. 1993. Statistical Analysis in Water Resources Engineering. A.A. Balkema, Rotterdam, the Netherlands, 394 pp.
Tesfaye, Y. G., Meerschaert, M. M., & Anderson, P. L. (2006). Identification of periodic autoregressive moving average models and their application to the modeling of river flows. Water Resources Research, 42(1).
Valipour, M., Banihabib, M.E., Behbahani, S.M.R., 2013. Comparison of the ARMA, ARIMA, and the autoregressive artificial neural network models in forecasting the monthly inflow of Dez dam river. Journal of Hydrology, 476: 433-441.
نشریه آبیاری و زهکشی ایران
دوره 13، شماره 4 - شماره پیاپی 76
مهر و آبان 1398
صفحه 945-958

فایل ها

هم رسانی

ارجاع به این مقاله

آمار