Çoruh havzasındaki aylık nehir akımlarının stokastik modellemesi
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Bu çalışmada, Çoruh Havzası'nda bulunan 2304, 2305, 2315, 2316, 2320, 2321, 2322, 2323 ve 2325 nolu 9 adet akım gözlem istasyonunda ölçülen aylık nehir akımlarının stokastik modelleri otoregresif-hareketli ortalama (ARMA) yöntemi ile elde edilmiştir. Modellerin elde edilmesinde, Elektrik İşleri Etüt İdaresi (EİE) Akım Gözlem Yıllıklarındaki veriler kullanılmıştır. Çalışma kapsamında aylık akımların otoregresif-hareketli ortalama (ARMA) modellerinin metodolojisi ayrıntılı bir şekilde verilerek belirtilen modellerle modellemeleri gerçekleştirilmiştir.Yapılan analizler sonucu 2304 nolu istasyon için ARMA(1,0), diğer 8 istasyon için ARMA(1,2) modeli en uygun model olarak seçilmiştir. Optimum modelin seçimi sırasında parametrelerin istatistiki olarak anlamlılığına dikkat edilerek Akaike Bilgi Kriteri (AIC) testi uygulanmıştır. Seçilen modellere Port Monteau testi uygulanarak artık serilerin içsel bağımlılığının olmadığı gösterilmiştir. Elde edilen modeller kullanılarak tarihi seriler ile aynı uzunlukta 100 adet sentetik seri türetilmiştir. Türetilen sentetik serilerin tarihi akım serilerine ait istatistiksel karakteristikleri (aylık ortalama, aylık standart sapma, korelogram) %95 güven sınırları dahilinde muhafaza ettiği gösterilmiştir. Bu nedenle, elde edilen modellerden Çoruh Havzası'ndaki su kaynakları sistemlerinin planlanması ve işletilmesi çalışmalarında yararlanılabilecektir. In this study, stochastic models were obtained by applying autoregressive-moving average (ARMA) using monthly streamflow observations named 2304, 2305, 2315, 2316, 2320, 2321, 2322, 2323 and 2325 numbers at 9 stations located in Çoruh Basin. Studies were carried out by using data from the water yearbooks published by EİE. The modeling procedure for monthly streamflows with autoregressive-moving average (ARMA) models were given in detail and indicated models are constructed.Analysis at 2304 gauging station, showed that ARMA(1,0) model is the most appropriate model among the competing models and at other 8 gauging stations showed that ARMA(1,2) model is the most appropriate model among the competing models. While selecting the most efficient model statistically confidence intervals of the parameters considered that the Akaike Information Criterion (AIC) test was applied. Port Manteau and autocorrelation tests showed that residuals are white noise series. By using these models, 100 synthetic streamflow series were generated each being same long as historic time series. Generated synthetic series; historic time series were found to have the same statistical parameters (monthly mean, monthly standard deviation, autocorrelation) as the generated time series within 95% confidence intervals.
Collections