این مطالعه با هدف مدل سازی طوفان های گرد و غبار با استفاده از مدل های هیبریدی جنکینز- کاتالیزور SARIMA- ACOR و SARIMA- PSO در استان خوزستان انجام شده است. بدین منظور از داده های ساعتی گرد و غبار و کد های سازمان جهانی هواشناسی در هفت ایستگاه سینوپتیک استان خوزستان در طول دوره آماری 40 ساله استفاده شده است. به منظور ارزیابی دقیق تر و کاش خطاهای ممکن، در این پژوهش از ترکیب کاتالیزور (الگوریتم های بهینه سازی) کلونی مورچگان (ACOR) و ازدحام ذرات (PSO) با مدل باکس- جنکینز SARIMA استفاده شده است. در واقع از کاتالیزور ها به منظور آموزش مدل ها، انتخاب بهترین مقادیر برای پارامترها، تشخیص الگو و خوشه بندی، یادگیری تقویتی، پردازش تصویر، طراحی سیستم های هوشمند و بهینه سازی مدل های مولد استفاده می شود. به منظور انتخاب و تعیین بهترین مدل، معیار های نیکویی برازش شامل R، RMSE، MAE و NS مورد استفاده قرار گرفته اند. نتایج پژوهش حاکی از عملکرد بهتر مدل هیبریدی جنکینز- کاتالیزور SARIMA- ACOR با اختلاف، نسبت به مدل هیبریدی SARIMA- PSO و همچنین مدل انفرادی SARIMA بود. در این بین نیز، ترکیب های فصلی یک و دو بیشترین عملکرد و دقت را نسبت به سایر ترکیب های فصلی داشتند. مدل بهتر مدل هیبریدی جنکینز- کاتالیزور SARIMA- ACOR با با ریشه میانگین مربعات خطا (RMSE="0/219-0/198" )، ضریب همبستگی (R="0/891-0/859" )، میانگین قدرمطلق خطا (MAE="0/142-0/123" ) و ضریب نش- ساتکلیف (NS="0/881-0/862" ) بهترین عملکرد را نسبت به سایر مدل های استفاده شده برای پیش بینی شاخص FDSD نمایش داده است.

افزایش دمای کره زمین باعث بروز ناهنجاری هایی در اقلیم کره زمین شده که بر تمام زوایای زندگی بشر تأثیرگذار است. در این پژوهش تعیین تغییرات زمانی و مناسب ترین مدل برآورد تغییرات دما با استفاده از مدل سری زمانی SARIMAجهت پیش بینی در شهر اصفهان انجام شد. بدین منظور در محیط نرم افزار MINITAB از آمار درازمدت میانگین دمای ماهانه اصفهان طی سال های 2017-1951 استفاده شد. در ادامه، با استفاده ازسری های زمانی، یک الگوی اولیه به صورت SARIMA (0, 0, 4) (0, 1, 1)12 و SARIMA(0, 0, 4) (5, 1, 0)12 استخراج شد. سپس با سعی و خطا و روش زیاد برازش دادن این دو الگو، الگوی نهایی به صورت SARIMA (0, 0, 4) (0, 1, 1)12 حاصل شد. در مرحله بعدی صحت و دقت این مدل بر اساس آماره AIC و تحلیل نمودارها خودهمبستگی، بافت نگار باقی مانده های الگو و سایر پارامترها تأیید شد. در نهایت بر اساس مدل های برازش یافته، پیش بینی برای 10 سال آینده انجام شد. نتایج این پژوهش نشان داد که این مدل از دقت تقریباً خوبی برای پیش بینی تغییرات دما طی سال های آتی برخوردار است. همچنین فرض استقلال باقی مانده ها با توجه به همبستگی نگار مربوط به باقی مانده های مدل به دلیل قرار گرفتن همه خود همبستگی ها در محدوده قابل قبولی قرار دارد، سپس بافت نگار باقی مانده های الگوی M1 نرمال بودن داده ها را نشان داد.

تحلیل و مدل سازی سری های زمانی دما یکی از چالش های مهم در پیش بینی رفتار اقلیم و به تبع آن تأثیر بر شرایط آیندة محیطی و اقتصادی-اجتماعی است. یکی از مدل های آماری پیش بینی کننده بر اساس الگوهای فصلی-ضربی باکس جنکینز است. در این گونه مدل ها، دمای هر ماه بر اساس متوسط ماهانة دما در ماه های گذشته و مؤلفه های تصادفی همان ماه و ماه های قبل از آن بیان می شود. هدف از این پژوهش واکاوی و استخراج مدل پیش بینی دما با استفاده از داده های دوره ی 60 ساله بین سال های 1960 تا 2020 در ایستگاه سینوپتیک سنندج است. ابتدا آزمون های کنترل کیفی آماری روی سری زمانی انجام شده، سپس با توجه به نمودارهای خودهمبستگی، خودهمبستگی جزئی و معیارهای ارزیابی مدل نهایی استخراج شد. نتایج آزمون های آماری نشان داد که سری زمانی دما دارای داده های پرت نیست، میانگین این سری ها همگن بوده، اما بررسی واریانس سری همگنی را نشان نمی دهد. با برازش چندین مدل و بررسی باقی مانده خطاها، الگوی SARIMA (0, 0, 2) (0, 1, 1)12 به عنوان الگوی نهایی تعیین شد. بر اساس این مدل، دمای ماهانة سنندج تابعی از متوسط درجة دما یک و دو ماه قبل و ماه متناظر سال قبل و نیز تابعی از پدیده های تصادفی است. عدم وجود مقدار ثابت در مدل برازش یافته نشان دهنده عدم وجود قطعیت روند در میانگین ماهانة دمای سنندج است. در نهایت با مدل برازش یافته میانگین دمای سنندج طی ده سال آینده پیش بینی شد که می توان از نتایج آن در برنامه ریزی های محیطی استفاده نمود.

سابقه و هدف:  ماهی سفید (Rutilus frisii) مهمترین گونه اقتصادی ماهیان استخوانی دریای خزر است که از ارزش حفاظتی و تجاری بالایی برخوردار می باشد. در سال های اخیر میزان صید این گونه روندی کاهشی را نشان داده است. شناخت الگوهای زمانی موجود در مقادیر صید این ماهی می تواند در اتخاذ برنامه های مناسب برای حفظ ذخایر و بهره برداری پایدار مؤثر واقع شود. بدین منظور در مطالعه حاضر به مدلسازی سر ی های زمانی صید این گونه در طول یک دوره 10 ساله پرداخته شد .مواد و روش ها: دادهای صید تجاری ماهی سفید به صورت صید در واحد تلاش صیادی (CPUE) در بازه زمانی فصول صید 2002/3 تا 2011/12 در در صیدگاه های پره ساحلی در شمال ایران مورد استفاده قرار گرفت. در صیدگاه های پره ساحلی در شمال ایران مورد استفاده قرار گرفت. میانگین متحرک مکانی 5-نقطه ­ای جهت تفکیک نقاط صید در بازه ­های اپتیمم (مقادیر CPUE نرمال شده ≥ 6/0) و غیراپتیمم (مقادیر CPUE نرمال شده < 6/0) بکار گرفته شد. از مدل میانگین متحرک خودهمبسته یکپارچه فصلی (SARIMA) بر مبنای فواصل فصلی سه ماهه جهت مدلسازی سری ­های زمانی داده ­های صید استفاده گردید. مجموعه ­ای از شاخص­ ها شامل معیار اطلاعاتی آکایکه (AIC)، معیار اطلاعاتی بیژین (BIC)، ریشه میانگین مربعات خطا (RMSE)، ریشه میانگین مربعات خطای نرمال­ شده (nRMSE)، میانگین خطای مطلق (MAE)، میانگین خطای مطلق نرمال­ شده (nMAE) و ضریب همبستگی پیرسون (r) جهت ارزیابی عملکرد مدل­ ها و دقت پیش ­بینی­ های حاصل از آن­ها مورد استفاده قرار گرفتند. روند تغییرات میزان صید در طول دوره پنج ساله 2013 تا 2017 نیز با استفاده از مدل­ های SARIMA با بهترین عملکرد برای بازه ­های صیدگاهی پیش ­بینی شد. نتایج و بحث: در مجموعه نقاط صیدگاهی (WR)، پنج بازه اپتیمم (HR) و شش بازه غیراپتیمم (CR) تشخیص داده شد. مدل­ های سری زمانی SARIMA برازش یافته بر مبنای داده ­های کل صیدگاه­ ها و داده ­های تفکیک شده برای بازه ­های اپتیمم و غیراپتیمم، فاقد مؤلفه ­های معنی ­دار خود­همبسته و میانگین متحرک برای تغییرات غیرفصلی بودند به­ طوریکه هیچ روند کاهشی یا افزایشی مشخصی برای مقادیر CPUE وجود نداشت، در حالیکه در برخی از بازه ­های نقاط صید مؤلفه­ های معنی­ دار خود­همبسته و میانگین متحرک در ارتباط با نوسانات فصلی ثابت افزایشی مشاهده شد. روند کلی صید در بیشتر بازه های صیدگاهی نشان دهنده افزایش مقادیر CPUE از سال 2002 تا 2006 و سپس روند کاهشی از سال 2009 تا 2013 بود. در سری های زمانی دارای نوسانات ناگهانی، برآوردهای بدست آمده از دقت کمتری برخوردار بودند، اما بازه های صیدگاهی فاقد نوسانات ناگهانی در داده ها، بیشترین سطوح دقت برآوردها و پیش بینی روندها را نشان دادند. بیشتر پیش بینی های بدست آمده برای دوره زمانی 2013 تا 2017 نیز تغییرات ایستایی کلی همراه با روندهای فصلی افزایشی مشابه را نشان دادند . نتیجه گیری: مدلسازی سری های زمانی صید ماهی سفید (R. frisii) با استفاده از مدل SARIMA بیانگر وجود الگوهای فصلی افزایشی مشهود و عدم نوسانات کلی در گستره زمانی مورد مطالعه برای تمامی نواحی صیدگاهی بود. سادگی مدل های بدست آمده بر اساس مؤلفه های فصلی و غیرفصلی، عمدتاً ناشی از بازه زمانی کوتاه و تعداد کم مشاهدات بوده است، هر چند تفکیک مکانی نواحی صید به مدل هایی نسبتاً دقیق تر و قابلیت تشخیص بهتر منتج گردید. یافته های حاصل از این پژوهش می تواند در شناخت بهتر روندهای تغییرات زمانی سطوح صید ماهی سفید و بکارگیری آن توسط مدیران شیلاتی جهت اتخاذ برنامه های مدیریتی کارآمد در ارتباط با ذخایر این گونه در آینده مفید واقع گردد .

مدلسازی و پیش بینی متغیرهای هواشناسی اهمیت ویژه ای در برنامه ریزی محیطی دارد. سری های زمانی از جمله مدلهایی است که در این راستا می توان از انواع فصلی آن مثل SARIMA استفاده نمود. در این تحقیق از این مدل برای مدلسازی و پیش بینی دمای میانگین ماهانه 5 ایستگاه همدیدی در اقلیم های مختلف کشور استفاده شده است. داده های ایستگاه های آبادان، اصفهان، انزلی و دو ایستگاه تبریز و مشهد با اقلیم مشابه طی سال های 1951-2011 میلادی، توسط تابع ACF از حیث وجود روند فصلی مورد بررسی قرار گرفتند و پس از اعمال درجه تفاضلگیری فصلی، وارد مدل SARIMA شدند. خروجی های مدل توسط معیار بیزی شوارتز، جذر میانگین مربعات خطا و ضریب تعیین ارزیابی شدند. نتایج نشان داد بهترین مدل ها برای این 5 ایستگاه فوق به ترتیب مدل های SARIMA(1, 0, 1)(1, 1, 1)12، SARIMA(2, 0, 2)(3, 1, 1)12، SARIMA(1, 0, 0)(1, 1, 1)12، SARIMA(1, 0, 2 )(1, 1, 1)12 و SARIMA(0, 0, 1)(0, 1, 1)12 بوده و پارامترهای مدل جهت پیش-بینی مقادیر ماهانه دوره ی 2012-2014 استخراج شد. تغییرات خطای پیش بینی در افق های 6، 12، 18، 24، 30 و 36 ماهه در دوره ی سه ساله ی پیش بینی بررسی شده و توانایی بالای مدل در پیش بینی گام های بلندمدت در آینده مشخص گردید. در بین ایستگاه های مورد بررسی بهترین برآورد مربوط به ایستگاه آبادان در اقلیم فراخشک گرم بود که مقادیر شاخص های خطا به صورت 41/322=SBC، ° c22/1=RMSE و 98/0= بدست آمد. پس از آبادان، این مدل به ترتیب درایستگاه های انزلی در اقلیم مرطوب معتدل، اصفهان در اقلیم فراخشک سرد، و تبریز و مشهد در اقلیم نیمه خشک سرد دارای عملکرد مطلوب تری است.

با توجه به قرار گرفتن استان خراسان در ناحیه آب و هوایی خشک و نیمه خشک ایران و وقوع خشکسالی های مکرر در سال های اخیر، اهمیت پرداختن به مقوله پیش بینی خشکسالی بیش از پیش آشکار می شود. یکی از روش های دستیابی به این هدف مدل سازی بارندگی بر اساس الگوهای سری زمانی می باشد. در این تحقیق از آمار بارندگی سالانه یازده ایستگاه سینوپتیک استان خراسان طی سال های 1970-2002 استفاده گردید و با استفاده از الگوهای فصلی- ضربی باکس جنکینز SARIMA و نرم افزار MINITAB، بارندگی های فصلی این ایستگاه ها مدل سازی شد. همچنین براساس نمودارهای خودهمبستگی (ACF)، خودهمبستگی جزیی (PACF) و بررسی تمام الگوهای احتمالی به لحاظ نرمال بودن باقی مانده ها و ملاک کمترین مربعات خطا (MSE)، بهترین الگو برای بارندگی های فصلی به دست آمد. در نهایت با استفاده از مدل های بدست آمده در هر ایستگاه مقادیر بارندگی فصول بهار، پاییز و زمستان سال آتی پیش بینی و با مقایسه با میانگین درازمدت هر فصل، نقشه های آنومالی ترسیم گردید.