هدف از این مطالعه بکارگیری یک مدل ترکیبی جهت تخمین تراز سرانه گازطبیعی کل کشور و همچنین پیش بینی آن برای دوره 1396-1415 می باشد. در این مطالعه با استفاده از مدل پویای خودتوضیح با وقفه های توزیعی (ARDL)، کشش های بلندمدت و کوتاه مدت عرضه و تقاضای سرانه گاز طبیعی کل کشور برای دوره 1360-1395 برآورد شده است. سپس با قرار دادن مقادیر پیش بینی شده هر یک از متغیرهای مورد نظر که از مدل ARIMA بدست آمده در مدل ترکیبی ARDL، مقدار تراز سرانه گاز طبیعی تا سال 1415 پیش بینی گردیده است. نتایج پیش بینی بیانگر این است که مقدار تقاضای سرانه گاز طبیعی تا سال 1415 به میزان 4177.36 میلیون مترمکعب خواهد رسید، همچنین در همین سال مقدار عرضه سرانه گاز طبیعی برابر با میزان 3417.26 میلیون مترمکعب خواهد بود. جهت پاسخگویی به این میزان مازاد تقاضا باید سیاست هایی در جهت افزایش تولید یا محدودیت تقاضا اتخاذ گردد.

دشت عجب شیر ازجمله مناطق مهم کشاورزی استان آذربایجان شرقی است که بیش از نصف نیاز آبی محصولات مختلف زراعی و باغی در این دشت، از منابع آب زیرزمینی تأمین می شود. برداشت مداوم و بی رویه از آب زیرزمینی موجب افت بیش از 5/5 متر از سطح آب از سال 1363 تاکنون گردیده است. بنابراین بهره برداری بهینه و پایدار از منابع آب زیرزمینی در این دشت یک ضرورت مدیریتی است که آن هم مستلزم الگوبندی کمی مصرف و پیش بینی روند بهره برداری از این منبع آب است. از سوی دیگر با عنایت به توانمندی الگوهای سری های زمانی در الگوبندی و پیش بینی رفتار پدیده های با تغییرات زمانی در مهندسی آب، این پژوهش با هدف تحلیل تغییرات سطح آب زیرزمینی دشت عجب شیر با الگوهای آماری سری های زمانی انجام گردید. در این پژوهش افت سطح آب زیرزمینی به مدت 44 سال با 16 روش الگوبندی ارزیابی گردید و پس از ارزیابی، الگوی اتورگرسیو تلفیقی میانگین متحرک فصلی ((SARIMA)) مناسب ترین الگو تشخیص داده شد. نحوه الگو بندی، آزمون و پیش بینی با الگوی یادشده به این صورت بود که حدود 50 درصد داده های افت سطح آب زیرزمینی برای الگوبندی (از سال 1363 تا 1385)، 25 درصد آن برای آزمون (1385 تا 1396) و 25 درصد بقیه (1396 تا 1407) برای پیش بینی استفاده گردید. نتایج نشان داد با فرض ادامه یافتن شرایط موجود بهره برداری و استفاده از آب کشاورزی در دشت، میانگین حجم افت آب زیرزمینی در سال یازدهم پیش بینی (1407) برابر 5/26 میلیون مترمکعب خواهد بود. برای مدیریت بهینه مصرف آب زیرزمینی، سناریوهای مختلف صرفه جویی شامل ادامه روند بهره برداری، مصرف منبع آب زیرزمینی با 10، 15، 20، 25 و 30 درصد صرفه جویی با شروع از سال 1397 در نظر گرفته شد. در صورت صرفه جویی از سال 1397 به اندازه 10 درصد، در سال یازدهم نزدیک سه میلیون مترمکعب در آب زیرزمینی صرفه جویی خواهد شد.

خشکسالی پدیده ای حدی اقلیمی است که می تواند باعث ایجاد خسارت بر محیط زیست و انسان شود. به دلیل نقش مهم پیش بینی خشکسالی در مدیریت منابع آب، مدل میانگین متحرک خودهمبسته ی یکپارچه ی فصلی ((SARIMA)) برای پیش بینی ماهانه ی جریان رودخانه ای رودخانه ی ناهارخوران واقع در حوزه ی آبخیز قره سو به کار برده شد. پس از بررسی داده های جریان از نظر نرمال بودن، آزمون من-کندال برای بررسی روند در سطح اطمینان 95% به کار گرفته شد. با توجه به توابع خودهمبستگی و خودهمبستگی جزئی و نتایج آزمون من-کندال، مدل12(0، 1، 1)×(1، 1، 1) (SARIMA) انتخاب شد. از میانه و میانگین به عنوان حدود آستانه ی ثابت و شاخص جریان آب سطحی (SSFI) و آنالیز فراوانی خشکسالی در دوره ی بازگشت های مختلف به عنوان شاخص های متغیر برای تعیین دوره های خشک استفاده شد. نتایج پژوهش حاضر حاکی از کارایی مدل سری زمانی (SARIMA) در دوره ی 5 سال در بازه ی زمانی مهر 1385 تا شهریور 1390 است. این مدل ها می توانند به منظور مدیریت منابع آب به کار گرفته شوند.

اقلیم یکی از مهمترین عوامل تاثیرگذار بر فرایندهای تشکیل، تکامل و تخریب خاک است که با توجه به تاثیر آن بر رخدادهای فرسایشی، پایش دائمی آن اهمیت دارد. در این پژوهش به منظور ارزیابی تغییرات اقلیمی در قالب سری های زمانی چهار ایستگاه هواشناسی شامل اردل، سامان، ایذه و دهدز به عنوان ایستگاه های مطالعاتی منتخب مورد بررسی قرار گرفت. با بررسی آماری داده های بارش در ایستگاه های منتخب، محاسبه ی شاخص فرسایندگی باران از 1990 تا سال 2017 انجام شد. پس از تحلیل روند داده ها و بررسی ایستایی داده های بارش، گراف های Auto-correlation function (ACF) و Partial auto-correlation function (PACF) ترسیم شد، سپس آزمون دیکی فولر (ADF) در سطوح اطمینان 1، 5 و 10 درصد صورت پذیرفت. در مرحله ی بعد، عملیات ایستا نمودن داده های ناایستا و یافتن پارامترهای مناسب p، r و q انجام شده و مدل Seasonal auto-regressive integrated moving average ((SARIMA)) تهیه و ایجاد شد. ارزیابی های آماری توسط نرم افزارهای StataSE، Minitab 18 و SPSS 19 صورت گرفت. نتایج نشان داد که جهت آشکارسازی روند تغییرات بارش، مدل ARIMA (0,0,1)×(1,1,1)12 دارای بیشترین نیکویی برازش است. همچنین روش میانگین متحرک خودهمبسته ی فصلی به خوبی تغییرات بارش را در منطقه ی مطالعاتی واقع در جنوب غرب ایران نشان داد. نتایج حاصل از مدل برازش شده حاکی از احتمال کاهش در میزان بارش سالیانه طی دوره های زمانی 5 و 10 ساله پس از سال 2017 می-باشد. با توجه به مقادیر بارش ماهیانه شبیه سازی شده، مقدار شاخص فرسایندگی در منطقه به دست آمد که کاهش ضریب فرسایندگی باران طی دوره های تا 10 سال آینده را بیان می نماید.

رشد روزافزون جمعیت و محدودیت منابع آب سطحی در کشور، لزوم پیش بینی دقیق تر مقدار آورد و رودخانه را به دلیل اهمیت در برنامه ریزی و مدیریت منابع آب از جمله بهره برداری از مخازن و طراحی سازه های کنترل سیلاب با استفاده از ابزارها و روش های نوین مدلسازی می طلبد. در این راستا، مدل های سری زمانی از دیرباز مورد توجه هیدرولوژیست ها بوده اند. هدف این تحقیق، ارزیابی کارآیی دو رهیافت کلی مدل سری زمانی و رگرسیون فازی در پیش بینی جریان سالانه رودخانه می باشد. در مدل خود همبسته تجمعی میانگین متحرک از رهیافت سری زمانی، کارآیی روش های درست نمایی شرطی و درستنمایی غیرشرطی در تخمین پارامترهای مدل مورد بررسی قرار گرفت. در مدل رگرسیون فازی، به منظور در نظر گرفتن عدم قطعیت حاکم بر سیستم های طبیعی، از تابع عضویت مثلثی متقارن و نامتقارن استفاده شد. به منظور مقایسه کارآیی دو مدل مذکور در پیش بینی جریان سالانه، آمار آبدهی برخی از ایستگاه های حوضه آبریز دریاچه ارومیه بکار گرفته شد. نتایج نشان دادند که در بین روش های تخمین پارامترها، روش درستنمایی غیرشرطی به عنوان روش کارآمد در تخمین پارامترهای مدل ARIMA می باشد. مقایسه جریان های سالانه پیش بینی شده توسط مدل های ARIMA و رگرسیون فازی بر اساس معیارهایی مانند RMSE، دلالت بر عملکرد بهتر رهیافت رگرسیون فازی نسبت به مدل سری زمانی داشت. عملکرد بهتر تابع عضویت مثلثی متقارن نسبت به نوع نامتقارن آن از حیث در نظر گرفتن عدم قطعیت حاکم بر مساله مدلسازی از دیگر نتایج این تحقیق می باشد.

کم بودمنابعآبو توجه به توسعه ی پایدار، تأمینآبرا برای همه ی نیازهایموجودناممکنکردهاست. از آن جا که پیش بینیدقیقجریان رود هادر مدیریتمنابعآب اهمیتبسزایی دارد، آب دهی رود با کاربرد مدل های برنامه ریزی ژنتیک و خودهمبسته ی میانگین متحرک در آبخیز امامه، استان تهران مدل سازی و پیش بینی شد. از داده های درازمدت باران، دما، آب دهی، رطوبت نسبی و تبخیر استفاده شد. نتایج نشان داد که برنامه ریزی ژنتیک خطای کم تری دارد و توانسته است به خوبی آب دهی مشاهده یی را تخمین بزند. مدل 54 با ورودی های دما، باران، و تأخیرهای باران تا دو روز، و رطوبت نسبی و تبخیر و تأخیر جریان تا دو روز، بهترین مدل با خطای 0/001، 0/031، و 0/009 در مرحله ی آموزش، و 0/001، 0/032، و 0/009 در مرحله ی آزمایشبود. علاوه بر این، خطای مدل های خطی خودهمبسته ی میانگین متحرک بسیار بیش تر است، و نه تنها در آب دهی های بیش تر، بل که در آب دهی های کم همکارکرد مناسبی ندارد، و نتوانسته است نتیجه ی رضایت بخشی به دست دهد. استفاده از مدل برنامه ریزی ژنتیک به دلیل دقت بسیار زیاد با عمل گرهای اصلی و داده های به معیارشده توصیه می شود.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

پیش بینی تبخیر-تعرق گیاه مرجع یکی از مهمترین عناصر در بهینه سازی مصرف آب کشاورزی است. یکی از روش های پیش بینی مقادیر تبخیر-تعرق گیاه مرجع استفاده از مدل های استوکاستیک سری زمانی است. در این پژوهش مدل های خطی AR(p) و ARMA(p,q) به همراه مدل غیر خطی بی لینییر در پیش بینی مقادیر ماهانه تبخیر-تعرق گیاه مرجع در ایستگاه سینوپتیک ارومیه مورد مقایسه قرار گرفت. برای انجام پژوهش، مقادیر ماهانه تبخیر-تعرق گیاه مرجع از سال 1350 تا 1389 محاسبه شده و داده های یاد شده در طول سال های 1384-1350 و 1389-1385 به ترتیب برای واسنجی و صحت سنجی مدل ها بکار گرفته شد. در مرحله بعد، مدل خطی مناسب انتخاب شد و سپس نتایج این مدل و نتایج مدل غیر خطی بی لینییر با مقادیر استاندارد فائو-پنمن-مونتیث مورد مقایسه قرار گرفت. نتایج نشان داد مدل سری زمانی AR(11) نتایج بهتری در مقایسه با مدل های خطی دیگر داشت. مقایسه نتایج مدل AR(11) و نتایج مدل BL(11,0,1,1) نسبت به مقادیر ماهانه فائو- پنمن- مونتیث نیز نشان داد که ریشه میانگین مربعات خطا (RMSE) و درصد خطای نسبی (VE) در مدل AR(11) به ترتیب 1.85 میلی متر و 3.8 درصد و در مدل BL(11,0,1,1) نیز به ترتیب 1.76 میلی متر و 3.6 درصد است. بنابراین، مدل غیر خطی بی لینییر توانایی بیشتری در مدل سازی و پیش بینی مقادیر ماهانه تبخیر- تعرق گیاه مرجع در مقایسه با مدل خطی داشت. در مرحله بعد مقادیر ماهانه تبخیر- تعرق گیاه مرجع برای پنج سال آینده با استفاده از مدل غیرخطی بی لینییر پیش بینی گردید.

پیش بینی متغیرهای اقتصادی از اهمیت ویژه ای در مباحث اقتصادی برخوردار است و مدل های مختلفی جهت پیش بینی مقادیر آتی متغیرها به وجود آمده اند. یکی از مهمترین کارکردهای مدل های اقتصادی، پیش بینی مقادیر آتی متغیرهای اقتصادی می باشد. در حقیقت مدل های اقتصادی را می توان از طریق بررسی میزان دقت پیش بینی مورد آزمون قرار داد. بدین صورت که اگر یک مدل اقتصادی در تبیین روابط موجود بین متغیرها موفق باشد، باید بتواند پیش بینی صحیحی از آینده متغیرها نیز ارائه نماید. هدف اصلی این مقاله پیش بینی بازدهی شاخص یکی از مهمترین و تاثیرگذارترین صنایع کشور، صنعت پتروشیمی، است. نتایج آماری وجود حافظه بلندمدت در بازدهی این صنعت را تایید می کنند، لذا برای پیش بینی شاخص صنعت پتروشیمی از دو مدل اقتصادسنجی شامل ARFIMA و ARIMA استفاده شده است. به طوریکه، مدل ARFIMA با در نظر گرفتن حافظه بلندمدت و مدل ARIMA بدون در نظر گرفتن حافظه بلندمدت مدنظر قرار گرفتند. ارزیابی میزان دقت پیش بینی دو مدل مذکور با استفاده از داده های روزانه شاخص صنعت پتروشیمی در بوررس اوراق بهادار تهران در بازه زمانی 24/03/1384 الی 25/05/ 1394 نشان می دهد که با تفاوت اندکی مدل ARFIMA بهتر از مدل ARIMA عمل کرده است، ولی با توجه به مشکلات برآورد ضرایب مدل ARFIMA و سادگی مدل ARIMA، این تفاوت اندک قابل چشم پوشی است و می توان از مدل  ARIMAبرای پیش بینی بازدهی صنعت پتروشیمی استفاده کرد.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.