fa پیش‌بینی دبی ماهانه رودخانه کاکارضا با استفاده از مدل‌های سری زمانی، ARIMA فصلی تخصصي Special پژوهشي Research <span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:12.0pt;">&nbsp; &nbsp; بررسی و شناخت تغییرات زمانی دبی پایه در مطالعات حوزه‌های آبخیز بخصوص در فصول با جریان کم‌ اهمیت زیادی دارد. به همین منظور مدل‌های مختلف آماری و احتمالاتی ارائه و توسعه داده‌شده است. هدف از این پژوهش بررسی سری زمانی30 ساله مربوط به دبی متوسط ماهانه رودخانه کاکارضا در شهرستان سلسله در استان لرستان می‌باشد. در گام اول توابع خودهمبستگی و خودهمبستگی جزئی داده‌های واقعی در نرم‌افزار </span></span></span><span dir="LTR"><span style="color:black;"><span style="font-family:times new roman,serif;">XLSTAT</span></span></span><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:12.0pt;"> ترسیم و سپس داده‌ها با استفاده از روش باکس کاکس نرمال شده‌اند. در گام بعدی روند داده‌ها که نشان‌دهنده نا ایستایی داده‌ها بود تعیین شد. سپس با استفاده از روش عملگر تفاضل در نرم‌افزار </span></span></span><span dir="LTR"><span style="color:black;"><span style="font-family:times new roman,serif;">MINITAB</span></span></span><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:12.0pt;"> روند داده‌ها حذف و&nbsp; مدل با توجه به معیار آکائیک&nbsp; (</span></span></span><span dir="LTR"><span style="color:black;"><span style="font-family:times new roman,serif;">AIC</span></span></span><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:12.0pt;">) شناسایی و مناسب با کمترین آکائیکه انتخاب شد. در آخر چهار دوره‌ی 12، 24، 60 و 84 ماهه پیش‌بینی گردید. نتایج حاکی از آن بود که مدل انتخابی در دوره‌ی </span></span></span><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">12</span></span></span><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:12.0pt;"> ماهه دارای ضریب نش-سات کلایف </span></span></span><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">85/. </span></span></span><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:12.0pt;">می‌باشد. بنابراین، دوره‌ی کوتاه‌مدت 12 ماهه، توانست پیش‌بینی مناسب‌تری را نشان دهد.</span></span></span><span dir="LTR"><span style="color:black;"><span style="font-size:12.0pt;"></span></span></span> Study the time changes in discharge of watersheds are important and it is more important in low flow seasons. For this purpose, there are different statistical and probabilistic models that have been offered and developed. In this study, a 30-year time series of average monthly discharge in KAKAREZA River has been analyzed. KAKAREZA River locates in Lorestan province, Selsele city. In the first step autocorrelation function and partial autocorrelation functiondata were drown in XLSTAT software, after that data were normalized by using BOC-COX way. In The next step, the data has been determined and result show non-stationary of data. Then, proceeding of data omitted in MINITAB software by difference procedure formula. Then, the mode was detected according to Akaike&#39;s Information criterion (AIC). At this point the appropriate model with the lowest Akaike was selected. At the end, four periods of 12, 24, 60 and 84 months were predicted. Result showed that a 12 month period has a coefficient Nash&ndash;Sutcliffe of 0.85. In this way, the short period of 12 months showed better Prediction. سری زمانی, پیش‌بینی, کاکارضا, مدل, ARIMA فصلی. time-series, predicting, KAKAREZA, model, seasonal ARIMA. 75 86 http://jweb.ahvaz.iau.ir/browse.php?a_code=A-10-388-2&slc_lang=fa&sid=1 حافظ میرزاپور 10031947532846003561 10031947532846003561 Yes ناصر طهماسبی پور 10031947532846003562 10031947532846003562 No