مدلسازی پدیده های هیدروکلیماتولوژیکی با استفاده از مدل ترکیبی موجک-هالت وینترز

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشگاه تبریز

2 استادیار دانشکده عمران دانشگاه تبریز

3 دانش آموخته کارشناسی ارشد مهندسی و مدیریت منابع آب، دانشکده مهندسی عمران، دانشگاه تبریز

چکیده

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.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Hydroclimatic Phenomena Modeling Using Wavelet-Holtwinters Model

نویسندگان [English]

  • Elnaz Sharghi 2
  • Hessam Najafi 3
2 Assistant Prof., Dept. of Water Resources Eng., Faculty of Civil Eng., Univ. of Tabriz, Iran
3 Master, Dept. of Water Resources Eng., Faculty of Civil Eng., Univ. of Tabriz, Iran,
چکیده [English]

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.

کلیدواژه‌ها [English]

  • Monthly minimum temperature
  • Monthly Runoff
  • Multiscale analysis
  • Wavelet and Holt-Winters hybrid model

Addison PS, Murrary KB and Watson JN (2001) Wavelet transform analysis of open channel wake flows. Journal of Engineering Mechanics 127:58-70

Box GE, Jenkins GM, Reinsel GC and Ljung GM (2015) Time series analysis: Forecasting and control (5th ED). John Wiley and Sons, 680p   

Bashari M, Vafakhah M (2010) Comparison of different time series analysis methods for forecasting monthly discharge in Karkheh watershed. Journal of Irrigation and Water Engineering 2:75-86 (In Persian)

Gardner ES (1985) Exponential smoothing: The state of the art. Journal of forecasting 4:1-28

Gardner ES (2006) Exponential smoothing: The state of the art-Part II. International journal of forecasting 22:637-666

Grossmann A, Morlet J (1984) Decomposition of hardy function into square integrable wavelets of constant shape. SIAM Journal on Mathematical Analysis 15:723-736

Ghorbani M, Azani A, Mahmoudi Vanolya S (2015) Rainfall-runoff modeling using hybrid intelligent models. Iran Water Resources Research, 11:146-150 (In Persian)

Hassanzadeh Y, Lotfollahi-Yaghin M, Shahverdi S, Farzin S, Farzin N (2013) De-noising and prediction of time series based on the Wavelet algorithm and Chaos theory (Case study: spi drought monitoring index of Tabriz city). Iran Water Resources Research, 8:1-13 (In Persian)

Hyndman RJ, Khandakar Y (2008) Automatic time series forecasting: the forecast package for R. Statistical Software 27

McKerchar AI, Delleur JW (1974) Application of seasonal parametric linear stochastic models to monthly flow data. Water Resources Research 10:246-255

Moeeni H, Bonakdari H, Abdolahi, S (2016) Performance evaluation of some statistical and soft computing models to predict river flow. Iran Water Resources Research, 12:201-206 (In Persian)

Nourani V, Hassanzadeh Y, Komasi M and Sharghi E (2008) Rainfall–runoff modeling using hybrid wavelet-artificial neural network model. 4th National Civil Engineering Conference, Tehran University, Tehran (In Persian)

Nourani V, Kisi Ö and Komasi M (2011) Two hybrid Artificial Intelligence approaches for modelling rainfall-runoff process. Journal of Hydrology 402:41-59

Nourani V, Hosseini Baghanam A, Adamowski J and Kisi O (2014) Applications of hybrid wavelet–Artificial Intelligence models in hydrology: A review. Journal of Hydrology 514:358-377

Puah YJ, Huang YF, Chua KC, Lee TS (2016) River catchment rainfall series analysis using additive Holt–Winters method. Journal of Earth System Science 125:269-283

Sudheer G, Suseelatha A (2015) Short term load forecasting using wavelet transform combined with Holt–Winters and weighted nearest neighbor models. International Journal of Electrical Power & Energy Systems 64:340-346

Tankersley C, Graham W and Hatfield K (1993) Comparison of univariate and transfer function models of groundwater fluctuations. Water Resources Reasearch 29:3517-3533

Thomas HA, Fiering MB (1962) Mathematical synthesis of streamflow sequences for the analysis of river basins by simulation. Design of water resource systems 459-93

Winters PR (1960) Forecasting sales by exponentially weighted moving averages. Management Science 6:324-342