fa ارزیابی مدل‌های تک متغیره، چند متغیره و تلفیقی سری زمانی در پیش‌بینی و برآورد متوسط بار رسوب سالانه (مطالعه موردی: رودخانه سیستان) روشهای نوین و دقیق در تهیّه نقشه فرسایش (سنجش از دور و سیستم‌های اطلاعات جغرافیایی) پژوهشي Research <p>پدیده‌های فرسایش، انتقال رسوب و برآورد بار رسوب در رودخانه‌ها با توجه به خسارات ناشی از آن یکی از مهم‌ترین و پیچیده‌ترین موضوعات مهندسی رودخانه می‌باشد. مدل‌سازی و پیش‌بینی دقیق این پارامتر با توجه به میزان اهمیت آن در تعیین عمر مفید سازه‌های آبی و شبکه‌های آبیاری و زهکشی می‌تواند بسیار مفید واقع شود. در واقع با استفاده از مدل‌های چند متغیره در مدل‌سازی دبی - رسوب با دخالت دادن عوامل موثر دیگر مانند آورد رودخانه‌ها، می‌توان نتایج توصیف، مدل-سازی و پیش‌بینی آن را بهبود بخشید. در این مطالعه با استفاده از مدل‌های سری زمانی رایج (ARMA)، چند متغیره (CARMA) و تلفیقی (CARMA-ARCH و ARMA-ARCH)، متوسط بار رسوب سالانه (Ton.day) و متوسط دبی سالانه (m3/s) رودخانه سیستان در دوره آماری 42 ساله (1391-1349)، برآورد گردید. جهت استفاده از مدل چند متغیره از دو سری زمانی دبی و بار رسوب رودخانه مورد مطالعه استفاده شد. نتایج نشان داد که با دخالت داده‌های دبی جریان در مدل چند متغیره، دقت و خطای مدل‌سازی نسبت به مدل تک متغیره در مرحله واسنجی به ترتیب حدود 8 درصد افزایش و 50 درصد کاهش یافت. از بین چهار مدل مورد بررسی نیز نتایج نشان داد که مدل چندمتغیره تلفیقی از دقت بالاتر و میزان خطای کمتری برخوردار است. هم‌چنین با استفاده از مدل چند متغیره تلفیقی، بار رسوب رودخانه مورد مطالعه با در نظر گرفتن متوسط دبی سالانه تا پایان سال 1401 به صورت سالانه پیش‌بینی گردید که نشان از کاهش بار رسوب نسبت به سال‌های گذشته است.</p> <p>Erosion, sediment transport and sediment estimate phenomenon with their damage in rivers is a one of the most importance point in river engineering. Correctly modeling and prediction of this parameter with involving the river flow discharge can be most useful in life of hydraulic structures and drainage networks. In fact, using the multivariate models and involving the effective other parameters such as flow discharge can be improved the modeling and prediction results. In this study using the common time series model (ARMA), multivariate model (CARMA) and combined models (ARMA-ARCH and CARMA-ARCH), mean annual sediment (ton.day) and mean annual flow discharge (m3/s) time series of Sistan River in period of 42 years (1970-2012) to estimating and prediction the mean annual sediment. By using the mentioned models, mean annual sediment in period of 1970-2012 was modeled. The results showed that with involving the mean annual flow discharge in multivariate model, the accuracy and model&#39;s error in validation phase compared the univariate models were improved almost of 8 and 50 percentages respectively. Also the results showed that among four mentioned models, the combined multivariate model have a lowest error. By using the multivariate model, the time series of mean annual sediment until the end of 2022 year were predicted. The prediction results showed that the mean annual sediment in prediction period was decreased compared the previous years.</p> خودهمبسته, دبی جریان, واریانس شرطی, همزمان آرما, ARCH ARCH, Autoregressive, Conditional Variance, Continues ARMA, Flow discharge 52 70 http://magazine.hormozgan.ac.ir/browse.php?a_code=A-10-289-1&slc_lang=fa&sid=1 Mohammad Nazeri Tahroudi محمد ناظری تهرودی m_nazeri2007@yahoo.com 10031947532846003974 10031947532846003974 Yes Urmia Uni دانشگاه بیرجند Keivan Khalili کیوان خلیلی k.khalili2006@gmail.com 10031947532846003975 10031947532846003975 No Urmia Uni دانشگاه ارومیه Marziyeh Abbaszadeh Afshar مرضیه عباس زاده افشار ahnat.afshar@gmail.com 10031947532846003976 10031947532846003976 No Urmia Uni دانشگاه ارومیه Zahra Nazeri Tahroudi زهرا ناظری تهرودی Z-4134@yahoo.com 10031947532846003977 10031947532846003977 No Kashan Uni دانشگاه کاشان Farshad Ahmadi فرشاد احمدی farshad.paper@yahoo.com 10031947532846003978 10031947532846003978 No Ahwaz Uni دانشگاه اهواز Mehdi Motallebian مهدی مطلبیان m.motallebian@yahoo.com 10031947532846003979 10031947532846003979 No Urmia Uni دانشگاه ارومیه