دانلود ترجمه مقاله سیر پیش بینی تغییرات منابع آبی با روش محدوده های مقیاس بندی شده – اسپرینگر 2013

سیر پیش بینی تغییرات منابع آبی با استفاده از تحلیل به روش محدوده های مقیاس بندی شده (R/S)

Trend predictions in water resources using rescaled range (R/S) analysis

چکیده
مقدمه
قواعد و روشهای آنالیز R/S
مثالهای کاربردی
نتیجه گیری

چکیده

بر اساس داده های قبلی و مشاهدات موجود در مقالات مختلف در زمینه تغییرات منابع آبی غنی و فقیر ، این مقاله از قاعده آنالیز محدوده های مقیاس بندی شده (R/S) و روشی برای محاسبه شاخص H (شاخص هورست) و ثبت فرمول نسبت بین R(i) و S(i) و i بهره میبرد. بر مبنای مقدار سری زمانی X_i و با استفاده از روش حداقل مربعات ، روش جدیدی برای محاسبه سری زمانی مطرح میشود که معادله حرکت Brownian را با قابلیت پیش بینی بسیار خوبی ، مورد استفاده قرار میدهد. این کار تلاش جدیدی برای پیش بینی سیر تغییرات و تحولات آینده منابع آبی میباشد. درک و توصیف داده های سری های زمانی در حوزه تغییرات منابع آبی شهرستان Jinhua چین و معادله حرکت Brownian ، روند تغییرات آینده منابع آبی غنی و فقیر را در این منطقه پیش بینی میکند. و بطور رضایت بخشی نتایج معتبری نیز بدست می آیند که نشان میدهند این روش، روشی موثر و کارآمد در پیش بینی تغییرات منابع آبی میباشد. 

نتیجه گیری
بعنوان یک نیاز ضروری مطلق برای زندگی و تولید در روی زمین، منابع آبی فاکتورهای کلیدی مهم و تعیین کننده ای برای توسعه اقتصادی و اجتماعی مورد نظر در جوامع انسانی میباشند.این مطلب برای ما بینهایت مهم است که بتوانیم مسیر تغییرات آیندۀ منابع آب را پیش بینی کنیم و برنامه های خود را در این زمینه به اجرا در آوریم. در این مقاله، قاعده و روش آنالیز R/S ، محاسبه شاخص H و ثبت فرمول نسبت R(i), S(i) , i مورد استفاده قرار میگیرند. براساس سری زمانی 〖{x〗_i} و استفاده از روش حداقل مربعات ، محققان روش جدیدی برای محاسبه سری زمانی که معادله حرکت Brownian را با قابلیت پیش بینی خوب بکار میبرد، استفاده کرده اند. این امر تلاشی جدید برای ثبت پیش بینی الگوهای تغییر روند منابع آبی است. با بکار بردن داده های سری زمانی منابع آبی در شهر Jinhua چین و معادله حرکت Brownian ، روند تغییرات آینده منابع آب قابل پیش بینی میباشند و نتایج معتبر و رضایت بخشی بدست می آیند.

Abstract

Based on historical and observational data of wet-and-low water resource changes, this article used the rescaled range (R/S) analysis principle and method to calculate the H index and establish the relation formula of R(i)/S(i) and i. Based on {xi}, and by using the least squares method, a new time series calculation method was proposed which endows the Brownian motion equation with forecasting abilities. This is a new attempt to forecast trend changes of water resources. Utilizing the time series data of water resources in Jinhua City, China, and the Brownian motion equation, aforecast was made of future trends in wet-and-low water resource changes. Satisfactory validation results were obtained, which indicate that this is an effective method for forecasting water resource changes.

Conclusion

As an absolutely necessary requirement for living and production, water resources are the key determinative factors for sustainable social and economic development. It is extremely important for us to predict future trends in wet-and-low water resource changes and implement corresponding programmes of action. In this article, the R/S analysis principle and method was used to calculate the H index and establish the relation formula of R(i)/S(i) and i. Based on {xi} and using the least squares method, the authors proposed a new time series calculation method which endowed the Brownian motion equation with forecasting abilities. It is a new attempt to establish forecast patterns of the changing trends in water resources. Using time series data of the water resources in Jinhua City, China, and the Brownian motion equation, a forecast on the future trends in wet-and-low water resource changes was made and satisfactory validation results were obtained.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

سیر پیش بینی تغییرات منابع آبی با استفاده از تحلیل به روش محدوده های مقیاس بندی شده (R/S)

Trend predictions in water resources using rescaled range (R/S) analysis