روند بلند مدت سری­های زمانی یک جزء ملایم و آرام سری­ها زمانی است که فرآینده ملایم رشد یا کاهش در سری­های زمانی را در یک دوره گسترده و طولانی از زمان نشان میدهد. (فرشادفر، ۱۳۸۱: ۲۹۲)
۲-۶-۲- روند خطی
اگر مقادیر یک سری زمانی در نمودار سری زمانی کم و بیش در اطراف یک خط راست پراکنده باشند، آنگاه روند خطی می­نامند و در غیر صورت روند غیر خطی نامیده می­ شود. در یک روند خطی مقادیر سری زمانی به میزان ثابتی افزایش یا کاهش پیدا می­ کنند، یعنی نرخ رشد یا تنزل آن ثابت است.
استفاده از روند : مطالعه داده ­ها در یک دوره طولانی به ما کمک می­ کند تا نظر کلی درباره طرح رفتار پدیده مورد بررسی کسب کنیم. دقت منحنی روند یا مطالعه روند یا برآورد­هایی که از آن بدست می ­آید بستگی به قابلیت اعتماد نوع برازش شده به داده ­های معلوم دارد.
با تحلیل روند می­توانیم دو یا چند سری زمانی را در دوره­ های مختلفی از زمان با هم مقایسه و نتایج مهمی را کسب کنیم. با حذف مقادیر روند یک سری زمانی داده شده می­توانیم نوسانات کوتاه و نامنظم را مطالعه کنیم.
۲-۶-۳- نوسانات کوتاه مدت
در بیشتر سری­های زمانی علاوه بر نوسانات دراز مدت نیروهایی وجود دارند که به طور دوره­ای در یک زمانی تکرار می­شوند و بنابراین مانع جریان هموار مقادیر سری­ زمانی در جهت بخصوصی می­شوند. نوسانات کوتاه مدت را می­توان به دو صورت تقسیم نمود:

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

الف) نوسانات فصلی
ب) نوسانات چرخه­ای
۲-۶-۳-۱-نوسانات فصلی
نوسانات فصلی را می­توان به صورت حرکات (نوسانات) تکراری قابل پیش بینی در حول خط روند در یک سال یا کمتر از آن تعریف کرد. برای اینکه بتوانیم نوسانات فصلی را جستجو کنیم لازم است فواصل زمانی را در واحد­های زمانی کوچکی همچون روز، هفته، ماه، یا سه ماه اندازه ­گیری کنیم.
مطالعه نوسانات فصلی برای بدست آوردن طرح تغییرات گذشته و همچنین به تصویر کشیدن طرح های گذشته برای آینده مفید است. به مجرد اینکه معلوم شود یک طرح فصلی تغییرات چرخه­ای که هر سال اتفاق می­افتد را محاسبه کنیم. بعد از تغییرات فصلی را از یک سری زمانی حذف کردیم یک سری غیر فصلی باقی می­ماند.
۲-۶-۳-۲- نوسانات چرخه­ای
تغییرات یا نوسانات چرخه­ای مولفه­ای است که در حول خط روند برای دوره­ های بزرگتر از یک سال نوسان می­ کند. با بهره گرفتن از روش مانده­ها می­توانیم تغییرات چرخه­ای را بشناسیم.
در یک سری زمانی که شامل داده ­های سالانه است فقط روند نوسانات چرخه­ای نامنظم بررسی می­ شود زیرا تغییرات فصلی یک چرخه منظم کاملی را داخل هر سال می­سازد و تاثیر آن را روی یک سال بیشتر از سال دیگر نیست. چون با بهره گرفتن از خط روند می­توانیم روند را توصیف کنیم لذا مولفه­های چرخه­ای و نامنظم باقی مانده را می­توان حذف کرد.
اگر از یک سری زمانی مرکب از داده ­های سالانه استفاده کنیم برای مقدار سری زمانی می­توانیم درصد روند را با تقسیم نمودار مقدار واقعی y به مقدار روند پیدا کنیم . این کمیت اندازه از تغییرات چرخه­ای را به صورت درصد روند به ما می­دهد، یعنی داریم:
رابطه شماره(۴) فرمول درصد روند در نوسانات چرخه­ای ۱۰۰×/y= درصد روند که در آن y مقدار واقعی سری زمانی و مقدار روند برآورده شده در همان نقطه سری است.
باقیمانده چرخه نسبی یک اندازه دیگر تغییرات چرخه­ای است. در این روش برای هر مقدار سری زمانی درصد انحراف از روند را پیدا می­کنیم، با توجه به فرمول زیر باقیمانده­های چرخه­ای نسبی را تعیین می کنیم:
رابطه(۵) فرمول باقی مانده­های نوسان چرخه­ای نسبی ۱۰۰× /=Y باقیمانده چرخه
نسبتی است که در آن y مقدار واقعی سری زمانی و مقدار روند برآورد شده در همان نقطه سری زمانی است. این دو اندازه تغییرات چرخه­ای یعنی درصد روند و باقیمانده چرخه­ای نسبی را درصدهای روند می گویند.
۲-۶-۴- نوسانات نامنظم
بعد از اینکه روند، نوسانات چرخه­ای و نوسانات فصلی از یک سری زمانی حذف شد هنوز یک عامل غیر قابل پیش بینی باقی می­ماند. تغییرات نامنظم معمولا در فواصل کوتاه پیش بینی می­آیند و از یک طرح تصادفی پیروی می­ کنند.
به عنوان مثال سرمای غیر معمول و و بیش از حد زمستان در دی ماه می ­تواند یک عامل نامنظم باشد که باعث افزایش مصرق برق و نفت می­ شود. در عین حال تمام علل تغییرات نامنظم را می­توان به سهولت تشخیص داد.
۲-۷- انواع روش­های بررسی روند
۱-روش­های پارامتری
الف) حداقل مربعات
ب) میانگین متحرک
۲-روش­های ناپارامتری
الف) Mann-kendall
بSens Stimator Slope (
۲-۷-۱- محاسن روش­های ناپارامتری
۱- بیان و درک این روش­ها آسان است.
۲- متضمن محاسبات ساده­تری هستند. (لذا روش­های سریع و آسان نامیده شده ­اند)
۳- روش­های ناپارامتری برخلاف روش­های پارامتری می­توان برای اسمی که دارای مقادیر عددی دقیقی نیستند بکار رود.
۴- این روش­ها می­توانند برای طیف وسیعی از وضعیت­ها بکار رود، زیرا که نیاز به شرایط جدی برای پارامترها­ی متناظر ندارد. (عبدالله زاده، ۲۱۷:۱۳۸۲)
۲-۷-۲- معایب روش­های ناپارامتری
۱-عیب عمده روش­های ناپارامتری این است که مقداری از اطلاعات از دست می­رود و لذا نسبت به روش های استاندارد از کارایی کمتری برخوردارند.
۲-این روش­ها نسبت به روش­های پارامتری متناظر از حساسیت کمتری برخوردارند، بدین معنی که برای رد فرضیه صفر نیاز به گواه قوی­تری داریم. (همان منبع :۲۱۸)
فصل سوم
ویژگی­های جغرافیایی
منطقه ی مورد مطالعه
۳-۱- مقدمه
استان کرمانشاه با مساحت ۲۴۶۳۶ کیلومترمربع تقریباً ۵/۱درصد کل مساحت ایران را به خود اختصاص داده و بین مدارهای ۳۳ درجه و ۳۶ دقیقه تا ۳۵ درجه و ۱۵ دقیقه عرض شمالی و نصف النهارهای ۴۵ درجه و ۲۴ دقیقه تا ۴۸ درجه و ۳۰ دقیقه طول شرقی قرار گرفته است. استان کرمانشاه در غرب کشور قرار دارد. این استان از شمال با کردستان، از شرق با همدان، از جنوب با ایلام همسایه است و در غرب نیز با کشور عراق هم جوار است. ارتفاع متوسط آن از سطح دریای آزاد در حدود ۱۲۰۰ متر می باشد. (بیگلری،۴۰:۱۳۸۶).
شکل ۳-۲- نقشه موقعیت و پراکنش ایستگاههای سینوپتیک مورد مطالعه
۳-۲-انتخاب ایستگاهها