Forecasting Monthly Maximum Temperatures in Kerbala Using Seasonal ARIMA Models
| Main Authors: | K. Shathir , Adnan , Ali Mohammed Saleh , Layla , Amal Al-Din Majeed , Sumayah |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | eng |
| Terbitan: |
University of Babylon
, 2019
|
| Subjects: | |
| Online Access: |
https://www.journalofbabylon.com/index.php/JUBES/article/view/2341 https://www.journalofbabylon.com/index.php/JUBES/article/view/2341/1813 |
Daftar Isi:
- يعتبر التنبؤ بالعوامل الجوية مسالة مهمة في مجال الأرصاد الجوي والبحث العلمي. في هذا البحث، تم اعتماد نموذج الانحدار الذاتي المتكامل والمتوسط المتحرك الفصلي (ARIMA) والذي يستند على نظرية Box- Jenkins. استخدمت البيانات الشهرية لمعدل درجة الحرارة العظمى لمدينة كربلاء للفترة (من يناير 1980 إلى ديسمبر 2016). تم اقتراح عدة نماذج للتنبؤ اعتمادا على دالة الارتباط الذاتي ودالة الارتباط الذاتي الجزئي لبيانات السلسلة الزمنية للسنوات من 1980 الى 2015. تم اختبار النماذج المقترحة باستخدام درجات الحرارة الشهرية العظمى لسنة 2016. من اجل اختبار دقة النماذج والمقارنة بينها استخدمت المعلمات الاحصائية مثل معدل الخطأ المطلق MAE، الجذر التربيعي لمتوسط مربعات الخطأ RMSE، المتوسط المطلق للخطأ النسبي MAPEومعامل التحديد R2. بينت النتائج ان النموذج (2, 1, 2) × (1, 1, 1)12 كان الاكثر دقة واستخدم للتنبؤ بمعدل درجات الحرارة الشهرية العظمى لمنطقة الدراسة للفترة من 2017 الى 2021.
- Weather forecasting is an important issue in meteorology and scientific research.In this research, the Seasonal Auto Regressive.Integrated Moving Average.(ARIMA) model which is based on Box-Jenkins method was adopted to build the forecasting model. The max. Monthly temperature data for Kerbala city for the period (Jan.1980 to Dec.2016) was employed. The autocorrelation and partial autocorrelation functions for time series data from years 1980 to 2015 were used to identify the most appropriate orders of the ARIMA models. The validation test of these models were performed using the monthly max. Temperature of the year 2016. To calculate the model's accuracy and compare among them, statistical criteria such as MAE, RMSE, MAPE, and R2 were used. The model (2, 1, 2) × (1, 1, 1)12 gave the most accurate results and used to forecast the monthly max. Temperature for the period (2017 to 2021) for study region.