TY - JOUR T1 - Prediction of Persian Gulf Sea Surface Temperature Using Multiple Regressions and Principal Components Analysis TT - پیش‌بینی دمای سطح آب خلیج فارس با استفاده از رگرسیون چندگانه و تحلیل مؤلفه‌های اصلی JF - JSTNAR JO - JSTNAR VL - 9 IS - 3 UR - http://jstnar.iut.ac.ir/article-1-360-fa.html Y1 - 2005 SP - 1 EP - 11 KW - Persian Gulf Sea Surface Temperature KW - Multiple regression KW - Principal component analysis N2 - با توجه به آن که نوسانات دمای سطح آب خلیج فارس (PGSST) (Persian Gulf Sea Surface Temperature) تأثیر قابل ملاحظه‌ای بر بارش زمستانه، منابع آب و تولیدات کشاورزی نواحی جنوب غربی کشور دارد، امکان پیش بینی دمای زمستانه دمای سطح آب این گستره آبی با استفاده از مدل رگرسیون چندگانه مورد ارزیابی قرار گرفت. سری‌های زمانی PGSST برای کلیه فصول در دوره 1992-1947 به عنوان پیشگوکننده و سری زمانی این متغیر برای دوره 1993-1948 به عنوان پیشگو شونده در نظر گرفته شدند. تحلیل مؤلفه‌های اصلی (PCA) (Principal Component Analysis) به منظور استخراج مؤلفه‌های اصلی و کاهش حجم داده‌ها به کار برده شد. چهار سری زمانی جدید (PC1، PC2 ، PC3 و PC4) که 5/73% از واریانس کل را شرح دادند به عنوان مؤلفه‌های اصلی انتخاب شده و بقیه به عنوان اختلال در نظر گرفته شد. دوران واریماکس به منظور یافتن وابستگی هر مؤلفه اصلی با سری‌های زمانی اولیه PGSST استفاده شد. این دوران نشان داد که PC1، PC2 ، PC3 و PC4 به ترتیب معرف تغییرات دما در فصل زمستان، پاییز، بهار و تابستان می‌باشند. در مدل رگرسیونی، مؤلفه‌های اول، دوم و چهارم در سطح 5% معنی‌دار شدند و مؤلفه سوم معنی‌دار نگردید. نتایج نشان داد که متغیرهای معنی‌دار، 5/33% از واریانس PGSST زمستانه را شرح می‌دهند. روشن شد که جهت پیش بینی دمای زمستانه سطح آب خلیج فارس، دمای سطح آب این گستره آبی در زمستان سال قبل از اهمیت ویژه‌ای برخوردار است. در مرحله بعدی دمای پاییزه و تابستانه برای پیش‌بینی دمای زمستانه نقش دارند. M3 ER -