@article { author = {Parviz, L and Kholghi, M and Fakherifard, A}, title = {Forecasting Annual Streamflow Using Autoregressive Integrated Moving Average Model and Fuzzy Regression}, journal = {Water and Soil Science}, volume = {19}, number = {بهار و تابستان}, pages = {65-82}, year = {2009}, publisher = {University of Tabriz}, issn = {2008-5133}, eissn = {2717-3755}, doi = {}, abstract = {By Increasing population and the limitation of water resources, forecasting of streamflow using new methods in planning and  management of water resources such  as reservoirs operation has an outstanding importance. For this aim, over the past years time series models have been considered by hydrologists. The goal of this research was to investigate stochastic model (ARIMA) and fuzzy regression performance for the annual streamflow forecasting. The parameter estimation methods of ARIMA model were conditional and unconditional likelihoods. In fuzzy regression model the symmetric and non-symmetric triangular memberships were used regarding the uncertainties of the real systems. For the comparison of ARIMA and fuzzy regression performance, streamflow data  of some  tributaries  of  Urmia  lake  basin  were employed. Results indicated that the unconditional likelihood was the best method among the parameter estimation methods. Comparison between the forecasted and observed streamflow series using the two models revealed that the fuzzy regression had the best fit to the observed streamflow data. The performance of the symmetric triangular membership was better than that of the non- symmetric.}, keywords = {ARIMA model,Fuzzy regression,Maximum likelihood,Urmia Lake basin,parameter estimation}, title_fa = {پیش بینی جریان سالانه رودخانه با استفاده از مدل خودهمبسته تجمعی میانگین متحرک و رگرسیون فازی}, abstract_fa = {رشد روزافزون جمعیت و محدودیت منابع آب سطحی در کشور، لزوم پیش‌بینی دقیق‌تر مقدار آورد رودخانه را به دلیل اهمیت در برنامه‌ریزی و مدیریت منابع آب از جمله بهره‌برداری از مخازن و طراحی سازه‌های کنترل سیلاب با استفاده از ابزارها و روش‌های نوین مدلسازی می‌طلبد. در این راستا، مدل‌های سری زمانی از دیرباز مورد توجه هیدرولوژیست‌ها بوده‌اند. هدف این تحقیق، ارزیابی کارآیی دو رهیافت کلی مدل سری زمانی و رگرسیون فازی در پیش‌بینی جریان سالانه رودخانه می‌باشد. در مدل خودهمبسته تجمعی میانگین متحرک از رهیافت سری زمانی، کارآیی روش‌های درست­نمایی شرطی و درستنمایی غیر شرطی در تخمین پارامترهای مدل مورد بررسی قرار گرفت. در مدل رگرسیون فازی، به منظور در نظرگرفتن عدم قطعیت حاکم  بر سیستم­های طبیعی، از تابع عضویت مثلثی متقارن و نامتقارن استفاده شد. به منظور مقایسه کارآیی دو مدل مذکور در پیش‌بینی جریان سالانه، آمار آبدهی برخی از ایستگاه‌های حوضه آبریز دریاچه ارومیه بکار گرفته شد. نتایج نشان دادند که در بین روش‌های تخمین پارامترها، روش درستنمایی غیر‌شرطی به عنوان روش کارآمد در تخمین پارامترهای مدل ARIMA می‌باشد. مقایسه جریان‌های سالانه پیش‌بینی شده توسط مدل‌های ARIMA و رگرسیون فازی براساس معیارهایی مانند RMSE، دلالت بر عملکرد بهتر رهیافت رگرسیون فازی نسبت به مدل سری زمانی داشت. عملکرد بهتر تابع عضویت مثلثی متقارن نسبت به نوع نامتقارن آن از حیث درنظر گرفتن عدم قطعیت حاکم بر مسئله مدلسازی از دیگر نتایج این تحقیق می‌باشد. }, keywords_fa = {تخمین پارامتر,حوضه آبریز دریاچه ارومیه,رگرسیون فازی,ماکزیمم درست‌نمایی,مدل ARIMA}, url = {https://water-soil.tabrizu.ac.ir/article_1393.html}, eprint = {https://water-soil.tabrizu.ac.ir/article_1393_465c92fb8476ae087c6a15b68c83efef.pdf} }