درود بر یکایک شما
همانطور که می دانیم واکاویی سری زمانی داده های آب و هوایی مبتنی بر سری های زمانی گسسته در بازه زمان است؛ بنابراین پر واضح است که داده های ما می بایستی دارای تداوم و یا به عبارتی غیر تصادفی باشند. پس ابتدا لازم تصادفی بودن داده ها آزمون گردد و سپس مدلسازی انجام شدود چرا که اگر داده ها تصادفی باشند می بایستی از مدلسازی صرف نظر شود. همچنین برای پیش بینی و مدلسازی آینده لازم است داده ها داده ها به طور متوالی به هم وابسته باشند. برای غیر تصادفی بودن داده های سری زمانی در این آموزش از آزمون RUN TEST استفاده نموده ایم. چنانچه مقدار P-VALUE بدست آمده از این آزمون کمتر از ۰٫۰۵ باشد تصادفی بودن سری زمانی رد می گردد و به عبارت دیگر داده ها قابلیت برازش سری زمانی یک مدل را دارند و می توان از آن سری برای پیش بینی آینده بهره برد.
موارد مورد نیاز این آموزش:
۱- یکی از نسخه های نرم افزار MINITAB
۲- داده های یک سری زمانی فراسنج اقلیمی به صورت روزانه، ماهانه، سالانه و یا در هر پیمانه ای.
نکته: برای نمایش تمام صفحه روی تصویر کلیک کنید و در صفحه باز شده جدید نیز مجدد روی آن کلیک نمائید
[1]
[2]
[3]
[4]