نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری منابع آب، دانشگاه بیرجند

2 کیوان خلیلی2

3 دانشجوی کارشناسی ارشد منابع آب، دانشگاه ارومیه

4 دانشیار گروه مهندسی آب، دانشگاه ارومیه

چکیده

اکثر مدل­های غیرخطی بر پایه مدل­سازی میانگین خطا توسعه یافته­اند اما مدل­های غیرخطی خودهمبسته با واریانس شرطی، بر پایه مدل­سازی واریانس داده­های سری باقی­مانده استوار هستند. این مدل­ها با ترکیب شدن با مدل­های خطی، تا حدودی دقت مدل­سازی و پیش‌بینی‌ها را افزایش می­دهند. در این مطالعه با استفاده از داده­های تراز سطح آب دریاچه ارومیه در دوره آماری 91-1352، مدل­های خودهمبسته با میانگین متحرک و دو خطی و دو مدل ترکیبی (خودهمبسته با میانگین متحرک با واریانس شرطی) و (دو خطی با واریانس شرطی) مورد ارزیابی قرار گرفتند. برای انتخاب مدل­های خانواده آرما از معیار آکائیکه و برای صحت سنجی مدل­ها از دو آزمون همبستگی و میانگین جذر واریانس خطا استفاده شد. نتایج صحت­سنجی مدل­های ARMA، BL، ARMA-ARCHو  BL-ARCHبه ترتیب ضریب همبستگی 707/0، 618/0، 792/0 و 704/0 بین داده­های محاسباتی و مشاهداتی و میانگین جذر واریانس خطا 836/2، 309/4، 031/2 و 411/4 را نشان داد. هم­چنین نتایج نشان داد در مورد مدل آرما، تلفیق مدل خطی و غیرخطی، دقت مدل افزایش پیدا کرد ولی در مورد مدل دو خطی دوخطی، تلفیق دو مدل غیرخطی باعث کاهش نسبتاً کم‌دقت مدل شد. به‌طور کلی نتایج نشان داد که با تلفیق دو مدل ARMAو ARCH، میزان خطای مدل حدود 28 درصد کاهش و با تلفیق دو مدل غیرخطی، میزان خطای مدل حدود 2 درصد افزایش یافت.

کلیدواژه‌ها

عنوان مقاله [English]

Evaluation of Combined ARMA-ARCH and BL-ARCH models in Modeling Lake Urmia water level

نویسندگان [English]

  • Mohammad Nazeri Tahrudi 1
  • Keyvan Khalili 2
  • Marziyeh Abbass Zadeh Afshar 3
  • Javad Behmanesh 4

چکیده [English]

Many nonlinear models have been developed based on the mean errors modeling. However, the non-linear models with Autoregressive conditional heteoscedasticity are based on variance modeling. These models are combined with linear models, partly to increase the accuracy of modeling and predictions. In this study, using data from the Urmia Lake water level data for the period 1973-2012, the models with autocorrelation moving average and Bilinear model and two combined models (Autoregressive conditional heteoscedasticity) and (Bilinear conditional heteoscedasticity) were evaluated. To select the ARMA family models, AICC test were used and regression coefficient (r) and root mean square error (RMSE) tests were used for validation models. The results of validation the ARMA, BL, ARMA-ARCH and BL-ARCH models showed the correlation coefficient of 0.707, 0.618, 0.792 and 0.704 and the mean square root equal 2.838, 4.309, 2.031 and 4.11 between observed and modeling data respectively. Also the results showed that model accuracy increased with combining both linear and nonlinear models, but with combining two nonlinear models is caused reduce the accuracy of the models. Overall the results showed that by combining ARMA and ARCH models, the model error decreased about 28 percentage and combining two non-linear models caused increased model error about 2 percentage.

کلیدواژه‌ها [English]

  • ARMA
  • Autoregressive
  • Bilinear Model
  • Conditionally Heteroscedasticity