fa تحلیل و پیش بینی نوسانات تراز آب دریای خزر با استفاده از مدل های استوکستیک سری زمانی شرايط محيطي و زيست محيطي Environmental Study مقاله پژوهشي Research Paper <p><span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">پیش&shy;بینی نوسانات تراز آب دریا ابزاری بسیار کارآمد به منظور مدیریت جامع دریا و حفاظت مناطق ساحلی است. از سوی دیگر استفاده از مفاهیم حاکم بر سری&shy;های زمانی در پیش&shy;بینی بسیار مناسب ارزیابی گردیده است. لذا در تحقیق حاضر، داده&shy;های اندازه&shy;گیری شده ماهانه تراز آب دریای خزر در دو ایستگاه ترازسنجی بندر انزلی و بندر نوشهر به ترتیب به مدت 40 سال و 14 سال در سواحل خزر جنوبی مورد استفاده قرار گرفت. وجود یا عدم وجود روند</span></span></span><span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> و بزرگی آن</span></span></span><span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> در داده&shy;ها</span></span></span> <span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">با استفاده از آزمون ناپارامتری من-کندال بررسی شد. در گام بعدی، روش&shy;های مختلف پیش&shy;بینی و مدل&shy;سازی سری&shy;های زمانی شامل </span></span></span><span dir="RTL"><span style="font-family:times new roman,serif;"><span style="font-size:11.0pt;">&laquo;</span></span></span><span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">خود همبسته با میانگین متحرک تفاضلی&raquo; و &laquo;آریمای مکثر&raquo; بر داده&shy;ها برازش داده شد. در ادامه، توانایی و دقت هر روش در پیش&shy;بینی مقادیر آتی تراز دریا توسط معیار اطلاعاتی آکاییکه ارزیابی شده</span></span></span> <span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">و برای تعیین بهترین مدل سری زمانی مورد بررسی قرار داده شد. نتایج </span></span></span><span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">پیش&shy;بینی در مدل&shy;های نهایی نشان &nbsp;&nbsp;می&shy;دهد عملکرد روش آریمای مکثر بر پایه تجزیه و تحلیل سری&shy;های&shy;</span></span></span> <span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">زمانی، در برآورد و شبیه&shy;سازی رفتار استوکستیک تراز دریای خزر قابل قبول</span></span></span> <span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">می&shy;باشد</span></span></span><span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">.</span></span></span><span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> ضمن آنکه طول دوره پیش&shy;بینی در مدل&shy;ها نسبت به تحقیقات گذشته افزایش قابل ملاحظه&shy;ای داشته است. </span></span></span></p> Forecasting of sea level fluctuations is a suitable tool for comprehensive management of the sea and the protection of coastal areas. On the other hand, application of time series analysis for forecasting purposes has been evaluated to be very appropriate. Therefore, two time series consisting monthly measured sea level data were used in the present research. The data have been recorded at two stations of Anzali and Noushahr in the southern part of the Caspian sea for time lengths of 40 and 14 years, respectively. The nonparametric Mann-Kendall test was employed to determine if measurements exhibit an increasing or decreasing trend. In the next step, different methods of forecasting and modeling of time series including Auto Regressive Integrated Moving Average and Multiplicative ARIMA method were fitted to the data. Then, Akaike Information Criterion was applied to assess the ability and accuracy of fitted methods in forecasting of sea level in future months and to determine the best time series model. The results of forecasting in the final models reveal that the performance of the Multiplicative ARIMA method based on time series analysis, to estimate and simulate the stochastic behavior of the Caspian sea level is acceptable. Meanwhile, the length of the forecast period in the models has increased significantly in comparison with previous researches. تراز آب, سری های زمانی, دریای خزر, مدل ARIMA, آزمون من-کندال. Sea Level, Time Series, Caspian Sea, ARIMA model, Mann-Kendall Test. 23 33 http://marine-eng.ir/browse.php?a_code=A-10-253-4&slc_lang=fa&sid=1 Masoud Dehbashi مسعود دهباشی masoud.dehbashi@modares.ac.ir 10031947532846003177 10031947532846003177 No دانشگاه تربیت مدرس Seyed Ali Azarmsa سید علی آزرم سا sazarmsa@gmail.com, azarmsaa@modares.ac.ir 10031947532846003178 10031947532846003178 Yes دانشگاه تربیت مدرس Mehdi Vafakhah مهدی وفاخواه vafakhah@modares.ac.ir 10031947532846003179 10031947532846003179 No دانشگاه تربیت مدرس