fa کاربرد مدل‌های سری زمانی به منظور تعیین روند پارامترهای اقلیمی در آینده در راستای مدیریت منابع آب عمومی Ggeneral پژوهشي Research در نتیجه نقش مهم پارامترهای اقلیمی از جمله تابش، دما، بارش و در نهایت تبخیر در مدیریت منابع آب، در این مطالعه به منظور پیش-بینی پارامترهای اقلیمی مدل‌های سری زمانی ARIMA به کار گرفته شد. بدین منظور پس از بررسی داده‌های اقلیمی از نظر نرمال بودن آزمون ناپارامتریک من- کندال برای بررسی روند داده‌ها در سطح اطمینان 95 درصد به کار گرفته شد و پارامترهای درصد رطوبت نسبی و تبخیر با دارا بودن روند معنی‌دار (348/0- و 42/0- سانتی‌متر در سال) و نیز دمای هوا، سرعت باد و تعداد ساعات آفتابی به منظور انجام مدل‌سازی انتخاب گردید. ابتدا با توجه توابع خودهمبستگی (ACF) و خودهمبستگی جزئی(PACF) و نیز وجود یا عدم وجود روند در داده‌ها سعی گردید تا مدل‌های سری زمانی مناسب به داده‌های مورد نظر برازش داده شود. پس از انتخاب مدل‌ها معنی‌داری پارامترها با برآورد خطای معیار و مقادیر بررسی گردید و نیز شرایط ایستایی و معکوس‌پذیری پارامترهای اتورگرسیو و میانگین متحرک مورد آزمون قرار گرفت. سپس آزمون‌های نکوئی برازش از جمله آزمون کلوموگروف- اسمیرنوف، اندرسون دارلینگ و رایان-جوینر برای صحت‌سنجی مدل‌ها به کار گرفته شد و در نهایت مدل ، ، ، و به ترتیب برای داده‌های درصد رطوبت نسبی، تبخیر، دمای هوا، سرعت باد و ساعات آفتابی برازش داده شد و پیش‌بینی‌ها براساس مدل‌های مذکور صورت گرفت. سپس روند داده‌های پیش‌بینی شده به منظور بررسی تغییرات اقلیمی تعیین گردید. نتایج این مطالعه بیانگر سودمندی مدل‌های سری زمانی در مطالعات منابع آب از طریق پیش‌بینی پارامترهای اقلیمی و تعیین روند پارامترهای اقلیمی در آینده است. Due to the important role of climatic parameters such as radiation, temperature, precipitation and evaporation rate in water resources management, this study employed time series modeling to forecast climatic parameters. After normality test of the parameters, nonparametric Mann-Kendall test was used in order to do trend analysis of data at P-value<0.05. Relative humidity and evaporation (with significant trend, -0.348 and -0.42 cm, respectively), as well as air temperature, wind speed, and sunshine were selected for time series modeling. Considering the Autocorrelation function (ACF) and Partial Autocorrelation function (PACF) and trend of data, appropriate models were fitted. The significance of the parameters of the selected models was examined by SE and t statistics, and both stationarity and invertibility conditions of Autoregressive (AR) and Moving average (MA) were also tested. Then, model calibration was carried out using Kolmogorov-Smirnov, Anderson- Darling and Rayan-Joiner. The selected ARIMA models are ARIMA(0,0,11)*(0,0,1), ARIMA(2,0,4)*(1,1,0), ARIMA(4,0,0)*(0,1,1), ARIMA (1,0,1)*(0,1,1), ARIMA (1,0,0)*(0,1,1) for relative humidity, evaporation, air temperature, wind speed and sunshine, respectively. The fitted models were then used to forecast the parameters. Finally, trend analysis of forecasted data was done in order to investigate the climate change. This study emphasizes efficiency of time series modeling in water resources studies in order to forecast climatic parameters. تغییرات اقلیمی، مدل‌های سری زمانی، آزمون من- کندال، تبخیر، مدیریت منابع آب Climate change, Time series modeling, Mann-Kendall test, Evaporation, Water resources management 59 74 http://jstnar.iut.ac.ir/browse.php?a_code=A-10-498-11&slc_lang=fa&sid=1 S. Dodangeh اسماعیل دودانگه No J. Abedi Koupai جهانگیر عابدی کوپائی koupai@cc.iut.ac.ir Yes S. A. Gohari سید علیرضا گوهری No