Abstract
<jats:p>Количество осадков является ключевым показателем для определения климата региона. Однако неравномерный характер распределения осадков нежелателен для городской инфраструктуры. Цель данного исследования - прогнозирование режимов выпадения осадков с использованием исторических данных временных рядов. В работе использовались данные об осадках за столетие (1922-2022 гг.) для прогнозирования будущих трендов осадков в полузасушливом округе Агра в штате Уттар-Прадеш (Индия). С той же целью применялась модель сезонного авторегрессионного интегрированного скользящего среднего (SARIMA). С помощью декомпозиции данных и расширенного теста Дики-Фуллера исследование подтверждает предпосылки стационарности модели, при этом конфигурация SARIMA (2, 1, 1) (0, 1, 1)12 оказалась наиболее точной для исследования. Точность модели была дополнительно подтверждена путем проведения остаточных проверок и оценки эффективности на предмет соответствия установленным показателям, таким как информационный критерий Акаике, информационный критерий Байеса и информационный критерий Ханнана-Куинна. Прогнозы были сделаны с доверительными интервалами 80 и 95 % как с использованием функции «pm.auto_arima» пакета «pmdarima» в библиотеке Python, так и с помощью ручной оценки для дальнейшей корректировки и проверки. Согласно прогнозам, 2022-2031 гг. - это десятилетие с пониженным количеством осадков со средним значением 590 мм. Это прогнозируемое среднее значение меньше по сравнению с историческим средним значением 643,96 мм и медианой 665,92 мм.</jats:p> <jats:p>Precipitation is a key indicator for determining the climate of a region. However, erratic precipitation patterns are detrimental to urban infrastructure. The objective of this study is to forecast precipitation patterns using historical time series data. The study used precipitation data for a century (1922-2022) to project future precipitation trends for the semi-arid region of the Agra district of Uttar Pradesh, India. A seasonal autoregressive integrated moving average (SARIMA) model was employed for the same purpose. Through data decomposition and the augmented Dickey-Fuller test, the study confirms the model’s stationarity prerequisites, with the SARIMA (2, 1, 1) (0, 1, 1)12 configuration proving to be the most accurate for the study. The model accuracy was further validated through residual checks and performance assessment against established metrics, such as the Akaike information criterion, Bayesian information criterion and Hannan-Quinn information criterion. Forecasts were generated at 80 % and 95 % confidence intervals using both the “pm.auto_arima” function of the “pmdarima” package in the Python library and manual assessment for further adjustment and verification. According to the forecasts, 2022-2031 is a decade of reduced precipitation, with an average of 590 mm. This forecasted average is lower than the historical average of 643,96 mm and the median of 665,92 mm.</jats:p>