اخبار و اعلانات

 آمار

تعداد نشریات286
تعداد نشریات سازمان84
تعداد شماره‌ها3,020
تعداد مقالات33,746
تعداد مشاهده مقاله45,000,714
تعداد دریافت فایل اصل مقاله48,355,412
فلاح قالهری, غلامعباس, سروستان, رسول. (1399). بررسی و پیش‌بینی پدیده گرد و غبار در استان خوزستان با استفاده از مدل‌های سری زمانی باکس-جنکینز. سامانه مدیریت نشریات علمی, 12(3), 608-620. doi: 10.22092/ijwmse.2018.115726.1363
غلامعباس فلاح قالهری; رسول سروستان. "بررسی و پیش‌بینی پدیده گرد و غبار در استان خوزستان با استفاده از مدل‌های سری زمانی باکس-جنکینز". سامانه مدیریت نشریات علمی, 12, 3, 1399, 608-620. doi: 10.22092/ijwmse.2018.115726.1363
فلاح قالهری, غلامعباس, سروستان, رسول. (1399). 'بررسی و پیش‌بینی پدیده گرد و غبار در استان خوزستان با استفاده از مدل‌های سری زمانی باکس-جنکینز', سامانه مدیریت نشریات علمی, 12(3), pp. 608-620. doi: 10.22092/ijwmse.2018.115726.1363
فلاح قالهری, غلامعباس, سروستان, رسول. بررسی و پیش‌بینی پدیده گرد و غبار در استان خوزستان با استفاده از مدل‌های سری زمانی باکس-جنکینز. سامانه مدیریت نشریات علمی, 1399; 12(3): 608-620. doi: 10.22092/ijwmse.2018.115726.1363

بررسی و پیش‌بینی پدیده گرد و غبار در استان خوزستان با استفاده از مدل‌های سری زمانی باکس-جنکینز

مهندسی و مدیریت آبخیز
مقاله 1، دوره 12، شماره 3، مهر 1399، صفحه 608-620    اصل مقاله (1.2 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22092/ijwmse.2018.115726.1363
نویسندگان
غلامعباس فلاح قالهری1؛ رسول سروستان* 2
1دانشیار، دانشکده جغرافیا و علوم محیطی، دانشگاه حکیم سبزواری، سبزوار، ایران
2دانشجوی دکترای رشته آب و هواشناسی شهری، دانشکده جغرافیا و علوم محیطی، دانشگاه حکیم سبزواری، سبزوار، ایران
چکیده
هدف از پژوهش حاضر، پیش‌بینی و بررسی تعداد روز‌های پدیده گرد و غبار ایستگاه‌های منتخب استان خوزستان با استفاده از مدل‌های باکس-جینکیز است. پژوهش حاضر در هشت ایستگاه منتخب از استان خوزستان به‌منظور مقایسه دقت مدل باکس-جنکینز و پیش‌بینی مقدار پدیده  گرد و غبار انجام شده است. با استفاده از نرم‌افزار Minitab 17 مدل سری زمانی باکس-جنکینز تعداد روزهای گرد و غبار ماهانه بررسی و بهترین مدل برازش داده شد، صحت و دقت مدل‌ها به کمک نرمال بودن توزیع مانده‌ها، فرض ثابت بودن واریانس، نمودارهای مربوط به مانده‌ها در طول زمان، آزمون پرت-مانتو تأیید شد و در پایان از نرم‌افزار ArcGIS 10.4 برای ترسیم نقشه‌های خروجی استفاده شد. نتیجه این پژوهش نشان داد، الگوهای مناسب ماهانه به‌ترتیب برای رامهرمز، آغاجاری، بهبهان، آبادان، دزفول، امیدیه، اهواز، و مسجد سلیمان بترتیب (1،1،1)(0،1،2) ARIMA، (1،1،1)(1،1،2) ARIMA، (2،1،1)(0،1،3) ARIMA، (2،1،1)(0،1،1) ARIMA، (2،1،1)(0،1،2) ARIMA، (1،1،1)(1،1،3) ARIMA (1،1،1)(0،1،3) ARIMA (1،1،1)(0،3،4) ARIMA هستند که از دقت خوبی برای پیش‌بینی گرد و غبار برخوردار بودند. همچنین، پیش‌بینی تعداد روزهای پدیده گرد و غبار برای سال‌های 2018 تا 2027 نشان داد که از میان شهرهای استان خوزستان شهرهای آغاجاری، آبادان و مسجد سلیمان بیشتر با پدیده گرد و غبار مواجه هستند و این امر توجه بیشتر مسئولان و برنامه‌ریزان این شهرها را در مواجه با این پدیده طلب می‌کند.
کلیدواژه‌ها
آزمون پرت-مانتو؛ ایستگاه منتخب؛ برنامهریزی؛ مدل سری زمانی؛ ARIMA
عنوان مقاله [English]
Review and forecast of the phenomenon of dust in Khuzestan Province using Box-Jenkins time series model
نویسندگان [English]
Golamabas Falah Qalhar1؛ Rasol Sarvestan2
1Associate Professor, Climatology, Hakim Sabzevari University, Sabzevar, Iran
2PhD Student, Climatology, Hakim Sabzevari University, Sabzevar, Iran
چکیده [English]
The aim of this study is to predict and verify the number of days of dust phenomenon selected stations in Khuzestan Province using Box-Jencks model. Study in eight selected stations of the province to compare the Box-Jenkins model and predict the effect of dust has been done. Using the Minitab 17 software Box-Jykyz time series model, number of days of dust monthly was checked and best models were fitted, the accuracy of the model using normal distribution of residuals, assuming constant variance, charts left over time, Mvntv Perth test was confirmed. Finally, Arc-GIS10.4 software was used for output mapping. Results showed that the best monthly pattern for Ramhormoz, Aghajari, Behbahan, Abadan, Dezful, Omidiyeh, Ahwaz and Masjed Soleiman are ARIMA (2,0,1)(1,1,1), ARIMA (2,1,1)(1,1,1), ARIMA (3,0,1)(2,1,1), ARIMA (1,0,1)(2,1,1), ARIMA (2,0,1)(2,1,1), ARIMA (3,1,1)(1,1,1), ARIMA (3,0,1)(1,1, 1) and ARIMA (4,0,3) (1,1,1), respectively. These models have a good accurately for predicting dust and the numbers of dusty days for 2018 to 2027. Also, results showed that Agajari, Abadan and Masjed Soleiman are more exposure with dust phenomena in Khuzestan Province that needs for further attention to city officials and planners in facing with this phenomena.
کلیدواژه‌ها [English]
ARIMA, Pert-Manto test, Planning, Round dust forecast, Selected station, Time series model
مراجع

 

  1. Alijani, B. 1997. Iran's climate. Payame Noor Publications, 222 pages (in Persian).
  2. Ansari, R. 2011. Statistical analysis of climatic dust Zahedan Province in the period (1986-2005). 1st International Congress of Dust Phenomenon and Counteract the Harmful Effects of 26-27 February 2011, Ahvaz, Iran (in Persian).
  3. Bahrami, H., M. Jalali and A. Dervishes Blurani. Spatial modeling of dust storms in Khuzestan Province. Remote Sensing and Iranian GIS, 5(2): 95-114 (in Persian).
  4. Bhattacharyya, G., K. Richard and A. Johnson. 1977. Statistical concepts and methods. Wiley Series in Probability and Statistics, 656 Pages.
  5. Davis. N.E. 2012. Diurnal variation of thunder at Heathrow airport, London. Weather, 24(5): 166-172.
  6. Goodman, W. 2007. Designing a learning environment for predicting stock market using neural network. MSc Thesis, Tarbiat Modarres University, 115 pages.
  7. Holms, C.W. and R. Miller. 2004. Atmospherically transported metals and deposition in the southeastern United States, local or transoceanic. Applied Geochemistry, 19(7): 189-200.
  8. Jamalizadeh, M.R., A. Moghaddamnia, J. Piri, V. Arbabi, M. Homayounifar and A. Shahryari. 2008. Dust storm prediction using ANNs technique, case study: Zabol City. World Academy of Science, Engineering and Technology, International Journal of Civil and Environmental Engineering, 45: 529-537.
  9. Javidaneh, Z., A. Zarsevandi and F. Rast Manesh. 2016. Determination of geo-environmental factors and sourceheavy metals in street dust, Masjed-e-SoleimanCity, Khouzestan Province. Iranian Journal of Healthand Environment, 92: 155-70 (in Persian).
  10. Kutiel, H. and P. Alpert. 2009. Synoptics of dust transportation days from Africa toward Italy and central Europe. Journal of Geophysical Research, 110(D7): 1-14.
  11. Kutiel, H. and H. Furman. 2003. Dust storms in the Middle East: sources of origin and their temporal characteristics. Indoor and Built Environment, 12(6): 419-426.
  12. Lin-Lin, Z., S. Jian-Hua and W. Jie. 2010. Thunder events in China: 1980−2008. Atmospheric and Oceanic Science Letters, 3(4): 181-188.
  13. Miri, A., A. Pahlavanrouy and A. Moghadamnia. 2009. The study of occurrence of dust storms after taking place alternative droughts in Sistan Region. Iranian Journal of Range and Desert Research, 16(3): 329-342.
  14. Moghigh Moghimi, G. 2015. Frequency prediction of days with dust phenomena in Bojnourd using AMIRA time series model. 1st International Congress on the Application of New Sciences in Geographical Studies of Iran, 165-173 pages (in Persian).
  15. Rasoli, A. 2010. Analysis of the climatic phenomenon of dust in the western part of the country in the last 55 years using non-parametric statistical methods. Journal of Physical Geography, 3(9): 15-28 (in Persian).
  16. Viana, M., T.A.J. Kuhlbusch and X. Querol. 2008. Source apportionment of particulate matter in Europe: a review of methods and results. Journal of Aerosol Science, 39(10): 827–849.
  17. Wang, Y., X. Zhang, R. Arimoto, J. Cao and Z. Shen. 2005. Characteristics of carbonate content and carbon and oxygen isotopic composition of northern Chinasoil and dust aerosol and its application to tracing dust sources. Atmospheric Environment, 39(14): 2631-2642.
  18. Yousefi, M. and L. Toni Zoori. 2015. Determining the most appropriate method for artificial neural network input for determining wind factors for dust hurricane prediction, case study: Yazd Province. Journal of Iranian Rangeland and Desert Research, 22(2): 240-250 (in Persian).
  19. Zarsvandi, A., F. Mar and A. Nazarpour. 2011. The mineralogical composition and morphology of particles forming dust deposits in Khuzestan Province, based on XRD analysis and SEM images. Journal of Crystallography and Mineralogy of Iran, 19(3): 511-518 (in Persian).
  20. Zolfagari, H., J. Masoumpour Samakosh, Sh. Shaygan Mehr and M. Ahmdi. 2011. A synoptic investigation of dust storms in western regions of Iran during 2005- 2010 (a case study of widespread wave in July 2009). Geography and Environmental Planning, 22(3): 17-34 (in Persian).

 

آمار
تعداد مشاهده مقاله: 590
تعداد دریافت فایل اصل مقاله: 355


counter
سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب