عصر اهواز

 سری زمانی چند متغیره ( multiple time series ) :

اگر یک شبکه ایستگاه بارانسنجی داشته باشیم ، مجموع سری های زمانی بارندگی یک سری زمانی چند متغیره خواهد بود. سری زمانی چند متغیره میتواند از ترکیب چند پارامتر تشکیل شود. برا ی مثال درجه حرارت و تبخیر در دو ایستگاه مختلف سری زمانی چند متغیره است.

سری زمانی با قاعده و بی قاعده 🙁 regularly and irregularly spaced time series )

اغلب سریهای زمانی در فواصل زمانی با قاعده مثل روز ، هفته ، سال و … تعریف میشوند. در بعضی حالات خاص سری های زمانی در فاصله های زمانی بی قاعده تعریف میشوند مثل کیفیت آب در لحظه های طغیان رودخانه . بیشتر روشهای سری زمانی برای حالت باقاعده تعریف شده اند اما روشهایی نیز برای سری های زمانی بی قاعده وجود دارد.

سری های زمانی ایستا و نا ایستا ( stationary and nonstationary time series ) :

سریهای زمانی را ایستا گویند که فاقد روند ، شیفت یا دوره باشد. این حالت زمانی است که پارامتر های مثل میانگین و واریانس در طول زمان ثابت باقی بمانند. در غیر اینصورت ناایستا هستند. بطور معمول در مقیاس بزرگ ( large scale ) سریهای زمانی اقلیمی بصورت ایستا تعریف میشوند اما در مقیاس کوچکتر از یک سال ( هفتگی ، ماهانه ) بعلت تغییرات فصلی ، سریها اغلب بصورت ناایستا هستند.

سریهای مستقل و وابسته ( uncorrelated and correlated time series) :

در یک سری زمانی اگر هر رکورد با رکورد قبلی خود بصورت خطی وابسته باشد سری ، خود همبسته نامیده میشود. اگر متغیر y در یک زمان مشخص مثل t با متغیر x در همان زمان بطور خطی وابسته باشد آنگاه سری زمانی را همبسته متقابل گویند. مثلا در دو ایستگاه مجاور و نزدیک به هم (هم شرط) انتظار میرود رابطه ای بین میزان بارندگی دو ایستگاه وجود داشته باشد. اما هرچه فاصله بین ایستگاهها بیشتر باشد قاعدتا معنی دار بودن رابطه کمتر میشود.

سری های زمانی متناوب ( intermittent time series ) :

یک سری زمانی هنگامی متناوب نامیده میشود که متغیرهای مشاهده شده آن در طول زمان شامل مقادیر صفر و غیر صفر باشد. بارندگی مشاهده شده در یک ایستگاه بارانسنجی اغلب متناوب است. در فواصل بزرگتر مانند سال ممکن است نامتناوب باشد. گرچه در مناطق خشک و نیمه خشک حتی سری زمانی ماهانه و سالانه بارندگی هم متناوب دیده شده است.

سری زمانی قابل شمارش ( counting time series ) :

اگر متغیر مورد نظر ، نتیجه شمارش وقایع رخ داده باشد سری زمانی را قابل شمارش گویند مثل تعداد روزهای یخبندان ، تعداد روزهای بارانی و … .

تحلیل سریهای زمانی ابزار مناسبی است که در مدلسازی ریاضی ، پیش بینی وقایع آینده ، آشکارسازی روند و بررسی پرش در اطلاعات اقلیمی و همچنین بازسازی داده های گمشده و گسترش اطلاعات بکار میرود.

وجود روند در سری های زمانی هیدرومتئورولوژیکی ممکن است ناشی از تغییرات تدریجی طبیعی و تغییر اقلیم یا اثر فعالیتهای بشر باشد. اثبات وجود روند معنی دار در یک سری زمانی بارندگی به تنهایی نمی تواند دلیلی قاطع بر وقوع تغییر اقلیم در یک منطقه باشد، اما فرض رخداد آنرا تقویت می کند. این این امر ناشی از متعدد بودن عوامل کنترول کننده سامانه اقلیم می باشد.

جهت تحلیل روند سری های زمانی از روشهای آماری متعددی میتوان استفاده کرد که این روشها در دو دسته کلی روشهای پارامتری و ناپارامتری قابل تقسیم بندی میباشند.