چکیده:
در این پژوهش از روش های آماری متفاوتی برای شناسایی رفتار (روند، افت و خیز، نوسان) دمای شهر بوشهر استفاده شده است. آزمون گردش های با 5/0% خطا نشان داد که مشاهدات سالانه دما تصادفی نیستند. آزمون های آشکارسازی روند با استفاده از روش های پارامتریک و ناپارامتری (همبستگی پیرسون، اسپیرمن، من- کندال) و نیز روش های نسبی برآورد روند بر روی مشاهدات انجام شد. نتایج نشان داد که مشاهدات سالانه دمای بوشهر روند معنی داری دارند. از تحلیل طیفی جهت برآورد چرخه های نهان در دمای سالانه به کار گرفته شده است، نتایج نشان می دهد که در سطح اطمینان 95/0 به جز همساز اول، همسازهای 18 و 21 همسازهای معنی دار دیگری در سری زمانی دما می باشند. این ویژگی، گواهی دیگر بر وجود روند در مشاهدات است. با استفاده اززنجیره ی مارکوف معلوم شد که داده های دمای ماهانه بوشهر ازمدل زنجیره مارکوف دو حالته پیروی می کنند و بر اساس این مدل احتمال وقوع ماه گرم در بوشهر 6019/0 و احتمال وقوع ماه سرد 5217/0 و دوره ای بازگشت ماه گرم حدود 5 ماه و دوره های بازگشت ماه سرد حدود 7 ماه می باشد. در پایان به منظور پیش بینی دمای سالانه بوشهر از مدل آریما استفاده شده است، در این روش سه الگوی اولیه برازش داده شد. آزمون نیکویی برازش مدل شامل آزمون ضرایب، نرمال و استقلال مانده های مدل، معیارآکاییک (ACI) و نیز قابلیت پیش بینی نشان داد که از بین سه الگوی برازش داده شده ی مدل آریما، الگوی (0، 1، 1) ARIMA الگوی برآزنده تری بردمای سالانه می باشد. بر همین اساس برای 20 سال آینده با بازه اطمینان 95/0پیش بینی دما صورت گرفت.
In this study، different statistical methods for realizing the behavior (trend، fluctuation، oscillation) of temperature were used in Bushehr city. Run Test with 5% confidence Interval showed that temperature annual observations are not accidental. Trend estimate using parametric and non-parametric techniques (Pearson correlation، Spearman، Man-Kendal) were done on the observations. The results showed that annual temperature has meaningful process. Spectral analysis was used for estimate the latent cycles in annual temperature. It was indicated that in reliability level of 95% except first harmonic was، harmonic 18 and 21 meaningful. Markov chain model on monthly temperature of Bushehr monthly temperature data from the two-mode Markov chain model followed and according to this model، the occurrence likelihood of warm months at Bushehr was 0.6019 and occurrence likelihood of cold months was 0.5217 and return period of warm months about 5 months and return period of cold months was about 7 month. Finally، to anticipate the annual temperature in Bushehr، ARIMA Model has been used accordingly; three models have been fitted on Bushehr temperature time series. Based on goodness of fit including the normalizing the residuals and their independence test and significant normal based on AIC criteria، The ARIMA (o، 1، 1) model was more fitable on annual temperature. Therefore، for the next 20 years، temperature in confidence interval of 95% was anticipated.