بررسی دقت مدل های رگرسیون چند متغیره و ARIMA در پیش بینی تقاضای آب (مطالعه موردی: شهر مشهد)

پیام:
نوع مقاله:
مطالعه موردی (دارای رتبه معتبر)
چکیده:
آگاهی از میزان تقاضای آب برای سیاست گذاری آن در مدیریت شهری از اهمیت ویژه ای برخوردار است. پیش بینی تقاضای آب در آینده این امکان را برای مدیران فراهم می کند تا با توجه به محدودیت ها و بحران های پیش رو، تدابیر لازم را در خصوص تامین پایدار آب اتخاذ نمایند. هدف از این تحقیق مقایسه مدل رگرسیونی چندمتغیره و ARIMA برای پیش بینی میزان تقاضای آب در شهر مشهد است. در این تحقیق ابتدا متغیرهای اصلی موثر در تقاضای آب ازجمله متغیر بارندگی، دما و جمعیت تعیین و سپس نسبت به جمع آوری آمار و اطلاعات از سازمان های مربوطه اقدام و پس از بررسی صحت و همگنی داده ها، با کمک دو مدل رگرسیون چندمتغیره وARIMA  میزان تقاضای آب برآورد شد. نتایج تحقیق نشان داد که برای آموزش داده ها مقادیر ضریب تعیین و ضریب نش به ترتیب 81/0 و 77/0 برای مدل رگرسیون چندمتغیره و 77/0 و 73/0 برای مدلARIMA  بوده و همین ضرایب برای آموزش داده ها به ترتیب 86/0 و 87/0 برای مدل رگرسیون چندمتغیره و 79/0 و 73/0 برای مدل ARIMA  است. لذا مدل رگرسیون چندمتغیره با توجه به بالابودن ضریب تبیین و همچنین قرار گرفتن در طبقه خیلی خوب ضریب نش از نظر عملکرد بهتری در پیش بینی برخوردار بوده و می تواند نسبت به مدل ARIMA به عنوان روش قابل قبول برای پیش بینی تقاضای آب مورد استفاده قرار گیرد.
زبان:
فارسی
صفحات:
41 تا 48
لینک کوتاه:
magiran.com/p2494912 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!