عملکرد توابع مفصل ارشمیدسی در تخمین سیل سالانه، مطالعه موردی: حوزه آبخیز قره سو
Publish place: Journal of Natural Environmental Hazards، Vol: 6، Issue: 14
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 429
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JNEH-6-14_006
تاریخ نمایه سازی: 21 خرداد 1399
Abstract:
سیل به عنوان یکی از ویرانگرترین خطرهای طبیعی شناخته شده است که آسیب های زیادی به جوامع انسانی، تاسیسات، مراکز صنعتی و اراضی کشاورزی وارد می کند. تخمین میزان دبی سیلاب در محل تلاقی رودخانه ها - با توجه به قرار گرفتن بسیاری از زیر ساخت ها در این مناطق – با توجه به مسائل اقتصادی و محیط زیستی از اهمیت زیادی برخوردار است. در مطالعه حاضر با توجه به آمار دبی اوج سالانه موجود در بازه زمانی سال های 1358 لغایت 1379 در حوزه آبخیز رودخانه قره سو در استان کرمانشاه، با استفاده توابع مفصل در چهار مدل: 1)رگرسیون 2) جمع 3) عامل وزنی 4) نزدیکترین ایستگاه، اقدام به تخمین میزان دبی اوج سالانه در محل تلاقی جریان های بالادست (ایستگاه هیدرومتری قره باغستان) شده است. بدین منظور ابتدا همگنی و کیفیت داده-ها مورد بررسی قرارگرفت. سپس برازش توزیع های احتمالاتی مناسب به سری داده ها صورت گرفت و با توجه به توابع توزیع حاشیه-ای ایستگاه های بالادست تابع توزیع توام در محل تلاقی جریان ها با استفاده از توابع مفصل ارشمیدسی بدست آمد که بهترین تابع مفصل برای ایستگاه های بالادست تابع مفصل گامبل انتخاب شد. نتایج حاصل نشان داد مدل مفصل با استفاده از رابطه رگرسیونی، با ضریب تعیین 711/0، خطای جذر میانگین مربعات 387/79، ضریب همبستگی تائو کندال 872/0 و ضریب رواسپیرمن 677/0 دارای دقت بیشتر بوده و برای تخمین دبی اوج نسبت به سایر مدل ها ارجحیت دارد. در نهایت مقادیر دبی برای دوره بازگشت های مختلف با توجه به مدل منتخب بدست آمد.
Keywords:
Authors
ساناز زراعتی
دانش آموخته کارشناسی ارشد مهندسی منابع آب، بخش مهندسی آب، دانشگاه شهید باهنر کرمان، کرمان، ایران
محمد ذونعمت کرمانی
دانشیار، بخش مهندسی آب، دانشگاه شهید باهنر کرمان، کرمان، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :