@article { author = {نورانی, وحید and Sharghi, Elnaz and Najafi, Hessam}, title = {Hydroclimatic Phenomena Modeling Using Wavelet-Holtwinters Model}, journal = {Iran-Water Resources Research}, volume = {14}, number = {1}, pages = {59-70}, year = {2018}, publisher = {Iranian Water Resources Association}, issn = {1735-2347}, eissn = {2476-7360}, doi = {}, abstract = {Doubtlessly hydroclimatic models play important role in the management of water resources. The hydroclimatic time series have three principle components (autoregressive, seasonality and stochastic) and the performance of the models related to these components, In the current research, the wavelet transform was linked to the Holt-Winters (HW) model for prediction of Lighvanchai, Trinity, West Nishnabotna watersheds monthly runoff and minimum temperature of Tabriz. The obtained results were compared with autoregressive and seasonal models such as ARIMA, seasonal ARIMA (SARIMA) and HW. For this purpose, the main time series were decomposed to some multi-frequency time series by wavelet transform. Then due to the univariated nature of the HW model, these subseries were imposed as input data to the HW models with two considered scenarios. In the first scenario only approximation subseries and one detail subseries (resulting from the accumulation of all details subseries) and in the second scenario all subseries were used as input to HW models .The obtained results show the second scenario of hybrid wavelet-holtwinters model (WHW2) could lead to considerably increased accuracy of both runoff and temperature monthly modeling because of multiscale analysis and considering all multi-frequency subseries.}, keywords = {Monthly minimum temperature,Monthly Runoff,Multiscale analysis,Wavelet and Holt-Winters hybrid model}, title_fa = {مدلسازی پدیده های هیدروکلیماتولوژیکی با استفاده از مدل ترکیبی موجک-هالت وینترز}, abstract_fa = {بدون شک مدل های هیدروکلیماتولوژیکی نقش مهمی را درمدیریت منابع آب ایفا می کنند. با توجه به اینکه سری های زمانی هیدروکلیماتولوژیکی دارای سه جزء اصلی خودهمبسته، فصلانه و تصادفی می باشند و رفتار مدل هایی که تاکنون ارائه شده اند، نسبت به این اجزاء متفاوت بوده است، در این مقاله از ترکیب تبدیل موجک با مدل هالت-وینترز(HW) جهت مدلسازی سری های زمانی ماهانه رواناب حوضه لیقوان چای، حوضه Trinity، حوضه West Nishnabotna و کمینه دمای ماهانه شهر تبریز استفاده شده است و با مدل های خودهمبسته و فصلانه دیگری چون مدل های آریما(ARIMA)، فصلانه آریما(SARIMA) وHW مقایسه شده است. بدین منظور سری های زمانی مورد نظر توسط تبدیل موجک به چندین زیرسری تجزیه شده و با توجه به تک متغیره بودن مدل HW، طبق دو سناریو در نظر گرفته شده، به عنوان ورودی به مدل های HW وارد می شوند. در سناریو اول فقط زیرسری تقریب و مجموع زیرسری های جزئیات و در سناریو دوم تک تک زیرسری های حاصل از تبدیل موجک به عنوان ورودی به مدل های HW وارد می شوند. نتایج مدلسازی بیانگر اینست که دومین سناریو درنظرگرفته شده برای مدل ترکیبی موجک-هالت وینترز(WHW) یعنی WHW2، بدلیل آنالیز چندمقیاسه و در نظر گرفتن اثر تمام فرکانس های ممکن، باعث افزایش دقت مدلسازی در هر دو سری زمانی رواناب و دمای ماهانه مورد مطالعه شده است.}, keywords_fa = {آنالیز چندمقیاسه,رواناب ماهانه,کمینه دمای ماهانه,مدل ترکیبی موجک و هالت-وینترز}, url = {https://www.iwrr.ir/article_48569.html}, eprint = {https://www.iwrr.ir/article_48569_42198bf09974286407d5eccc73b7c9f8.pdf} }