KaydedilenlerDerginizi ekleyin

Dergiler / Gaziosmanpaşa Üniversitesi Ziraat Fakültesi Dergisi / 2020 / Cilt: 37 - Sayı: 1

Referans Evapotrasprasyonun Tahmin Edilmesinde ARIMA Yaklaşımı

Forecasting Reference Evapotranspiration by ARIMA Approach

Kadri YUREKLI
Sayfa
17–22
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu modeller AIC ve SBC kriterlerine göre çok yakın tutumluluk (parsimony) değerlerine sahip olmuşlardır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Çalışmadaki amaç SARIMA modellerle referans evapotranspırasyonun (ETo) tahmin edilmesi üzerinedir.
📊
Temel Bulgular & Veri:ETo veri setinin durağanlığı fark alınarak sağlanmıştır.
💡
Sonuç & Katkı:Bu modeller AIC ve SBC kriterlerine göre çok yakın tutumluluk (parsimony) değerlerine sahip olmuşlardır.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Referans Evapotranspirasyon · ARIMA Yaklaşımı · AIC

Özet

Çalışmadaki amaç SARIMA modellerle referans evapotranspırasyonun (ETo) tahmin edilmesi üzerinedir. Bu Konya meteoroloji istasyonunun bazı parametrelerine bağlı olarak elde edilen aylık ETo veri seti kullanılarak gerçekleştirilmiştir. ETo veri setinin durağanlığı fark alınarak sağlanmıştır. Durağan seri için bütün koşulları yerine getiren üç SARIMA modeli tanımlanmıştır. Bu modeller AIC ve SBC kriterlerine göre çok yakın tutumluluk (parsimony) değerlerine sahip olmuşlardır.

Abstract

The effort in the study is on forecasting reference evapotranspiration (ETo) by the SARIMA models. This was accomplished by using monthly ETo dataset obtained based on some parameters from meteorology station of Konya province. Stationary of the ETo dataset was fulfilled with differencing. Three SARIMA models that provides all conditions for the stationary data set were identified. The models have very close parsimony values depending on AIC and SBC criteria.

🔖

Bu Makaleye Atıf Yap

YUREKLI, K. (2020). Referans Evapotrasprasyonun Tahmin Edilmesinde ARIMA Yaklaşımı. Gaziosmanpaşa Üniversitesi Ziraat Fakültesi Dergisi, Cilt: 37 - Sayı: 1, 17–22. https://ajindex.com/articles/224494

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (12)

  1. Akaike H. (1974). A look at the statistical model identification. IEEE Transactions on Automatic Control, AC-19(6): 716-723.
  2. Allen RG, Pereira LS, Raes D and Smith M (1998).Crop Evapotranspiration (guidelines for computing crop water requirements). FAO Irrigation and Drainage Paper No. 56. Box GEP and Jenkins GM (1976). Time Series Analysis Forecasting and Control. 575p., Holden-Day: San Francisco. Chiew F and Sriwardena L (2005). Trend (trend/change detection software), User Guide. CRC for Catchement Hydrology, 23p., Australia. Dahmen ER and Hall MJ (1990). Screening of Hydrological Data: Tests for Stationarity and Relative Consistency. International Institute for Land Reclamation and Improvement, Publication 49, 58p., Wageningen, The Netherlands. Dwivedi DK and Shrivastava P K (2019). Time Series Modelling of Monthly Temperature and Reference Evapotranspiration for Navsari (Gujarat), India. Current Journal of Applied Science and Technology, 35:1-13.
  3. Ehlers JF (2002). Using the Fisher Transform. Stocks & Commodities, V(20:11): 40-42.
  4. Gautam R and Sinha AK (2016). Time series analysis of reference crop evapotranspiration for Bokaro District, Jharkhand, India. Journal of Water and Land Development, 30: 51-56.
  5. Hamdi MR, Bdour ANand Tarawneh ZS (2008). Developing Reference Crop Evapotranspiration Time Series Simulation Model Using Class a Pan: A Case Study for the Jordan Valley /Jordan. Jordan Journal of Earth and Environmental Sciences, 1: 33-44.
  6. Hipel KW, McLeod AI and Lennox WC. (1977). Advances in Box-Jenkins modeling: I. model construction. Water Resources Research 13(3): 567-575.
  7. Janacek G and Swift L. (1993).
  8. Time Series Forecasting, Simulation, Application. Ellis Horwood, 333p., New York. Jayalakshmi T and Santhakumaran A (2011). Statistical Normalization and Back Propagation for Classification. International Journal of Computer Theory and Engineering, 3(1): 1793-8201.
  9. Landeras G, Barredo AO and Lopez JJ (2009). Forecasting Weekly Evapotranspiration with ARIMA and Artificial Neural Network Models. Journal of Irrigation and Drainage Engineering, 135: 323-334.
  10. Ljung GM and Box GEP (1978). On a measure of lack of fit in time series models. Biometrika, 65(2): 297-303.
  11. Mossad A and Alazba AA (2016). Simulation of temporal variation for reference evapotranspiration under arid climate. Arabian Journal Geosciences, 9: 1-9.
  12. Patra SR (2018). Time Series Analysis of Reference Crop Evapotranspiration Using Machine Learning Techniques For Ganjam District, Odisha,