fa بررسی دقت مدل‌های رگرسیون چند متغیره و ARIMA در پیش‌بینی تقاضای آب (مطالعه موردی: شهر مشهد) تخصصي Special پژوهشي Research <div style="text-align: justify;"><span style="font-size:18px;"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><span lang="FA"><span b="" nazanin="" style="font-family:">آگاهی از میزان تقاضای آب برای سیاست‌گذاری آن در مدیریت شهری از اهمیت ویژه‌ای برخوردار است. پیش‌بینی تقاضای آب در آینده این امکان را برای مدیران فراهم می‌کند تا با توجه به محدودیت‌ها و بحران‌های پیش رو، تدابیر لازم را در خصوص تأمین پایدار آب اتخاذ نمایند. هدف از این تحقیق مقایسه مدل رگرسیونی چندمتغیره و </span></span>ARIMA<span lang="FA"><span b="" nazanin="" style="font-family:"> برای پیش‌بینی میزان تقاضای آب در شهر مشهد است. در این تحقیق ابتدا متغیرهای اصلی مؤثر در تقاضای آب ازجمله متغیر بارندگی، دما و جمعیت تعیین و سپس نسبت به جمع‌آوری آمار و اطلاعات از سازمان‌های مربوطه اقدام و پس از بررسی صحت و همگنی داده‌ها، با کمک دو مدل رگرسیون چندمتغیره و</span></span>ARIMA <span b="" nazanin="" style="font-family:">&nbsp;میزان تقاضای آب برآورد شد. نتایج تحقیق نشان داد که برای آموزش داده‌ها مقادیر ضریب تعیین و ضریب نش به&shy;ترتیب 81/0 و 77/0 برای مدل رگرسیون چندمتغیره و 77/0 و 73/0 برای مدل</span>ARIMA <span lang="FA"><span b="" nazanin="" style="font-family:">&nbsp;بوده و همین ضرایب برای آموزش داده‌ها به&shy;ترتیب 86/0 و 87/0 برای مدل رگرسیون چندمتغیره و 79/0 و 73/0 برای مدل</span></span> ARIMA <span b="" nazanin="" style="font-family:">&nbsp;است. لذا مدل رگرسیون چندمتغیره با توجه به بالابودن ضریب تبیین و همچنین قرار گرفتن در طبقه خیلی خوب ضریب نش از نظر عملکرد بهتری در پیش‌بینی برخوردار بوده و می‌تواند نسبت به مدل </span>ARIMA<span b="" nazanin="" style="font-family:"> به‌عنوان روش قابل‌قبول برای پیش‌بینی تقاضای آب مورد استفاده قرار گیرد.</span></span></span></span></span></div> <br> <br> &nbsp; <div style="text-align: justify;"><span style="font-size:10pt"><span style="tab-stops:45.8pt 91.6pt 137.4pt 183.2pt 229.0pt 274.8pt 320.6pt 366.4pt 412.2pt 458.0pt 503.8pt 549.6pt 595.4pt 641.2pt 687.0pt 732.8pt"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><span lang="EN" style="color:black">Awareness of water demand is of particular importance for its policy in urban management. Predicting water demand in the future will allow managers to take the necessary measures regarding sustainable water supply, given the constraints and crises ahead. The purpose of this study is to compare multivariate regression and ARIMA models to predict water demand in Mashhad. In this study, first, the main variables affecting water demand including rainfall, temperature, and population were determined</span><span style="color:black"> and</span><span lang="EN" style="color:black"> then the required data were collected from relevant organizations. After checking the accuracy and homogeneity of the data, water demand was estimated by two models of multivariate regression and ARIMA</span><span style="color:black">. </span><span lang="EN" style="color:black">The results showed that for data training, the determination coefficient and Nash coefficient were 0.81 and 0.77 respectively for the multivariate regression model and 0.77 and 0.73 for the ARIMA model, and the same coefficients for training data are respectively 0.86 and 0.87 for the multivariate regression model and 0.79 and 0.73 for the ARIMA model. Therefore, the multivariate regression model has a better performance in terms of prediction due to the high determination coefficient and being in the very good category of the Nash coefficient,</span><span style="color:black"> and</span><span lang="EN" style="color:black"> it can be used as an acceptable method for predicting water demand compared to the ARIMA model.</span><span style="color:black"></span></span></span></span></span></div> تقاضای آب, رگرسیون چندمتغیره, مدیریت شهری, ARIMA. water demand, Multivariate regression, ARIMA, urban management. 41 48 http://jircsa.ir/browse.php?a_code=A-10-1044-2&slc_lang=fa&sid=1 Seyedhashem Hosseini سیدهاشم حسینی SH.Hosseini1355@iau.ac.ir 10031947532846004536 10031947532846004536 Yes Islamic Azad University, Torbat Jam, Iran دانشگاه آزاد اسلامی، تربت جام، ایران Houman Honary هومان هنری ho.honary@iau.ac.ir 10031947532846004537 10031947532846004537 No Islamic Azad University, Torbat Jam, Iran دانشگاه آزاد اسلامی، تربت جام، ایران