آنالیز منطقه ای سیل با استفاده از رویکرد مبتنی بر عمق داده
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 81
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJSWR-47-2_014
تاریخ نمایه سازی: 10 آبان 1402
Abstract:
راهکار عملی جهت برآورد دبی سیل در حوضه های فاقد آمار، انتقال اطلاعات از حوضه دارای ایستگاه با استفاده از روش های آنالیز منطقهای است. تاکنون روش های مختلفی برای این منظور ارائه شده که نیاز است تا در هر منطقه با توجه به داده های در دسترس و شرایط منطقه روش مناسب تعیین گردد. در این تحقیق اقدام به برآورد سیلاب در سه دوره بازگشت ۱۰، ۵۰ و ۱۰۰ ساله در حوضه های فاقد آمار با استفاده از رویکرد مبتنی بر عمق داده در غالب رگرسیون چند متغیره وزن دار در رودخانه های البرز جنوبی گردید. در هر مرحله هر یک از ایستگاه ها به عنوان ایستگاه فاقد آمار در نظر گرفته شد و با استفاده از اطلاعات سایر ایستگاه ها مقادیر پارامترهای تابع وزنی توسط الگوریتم ژنتیک بهنیه و در نهایت با در نظر گرفتن شباهت هر یک از حوضه ها با حوضه مورد نظر مقادیر دبی در دوره بازگشت های مختلف برآورد گردید. در ادامه نتایج حاصل از رویکرد مبتنی بر عمق داده با دو روش رگرسیون چند متغیره و کریجینگ در فضای فیزیوگرافی مقایسه شد. نتایج نشان داد رویکرد مبتنی بر عمق داده از نظر تمام معیارهای ارزیابی عملکرد بهتری نسبت به دو روش رگرسیون چند متغیره و کریجینگ در فضای فیزیوگرافیکی داشت. همچنین روش کرجینگ در فضای فیزیوگرافیکی بهتر از رگرسیون چند متغیره توانسته مقادیر سیل را در حوضه فاقد آمار برآورد کند. مقادیر ضریب کارایی ناش_ساتکلیف در روش مبتنی بر عمق داده برای پیشبینی دبی با دوره بازگشت های (برای دوره بازگشت ۱۰، ۵۰ و ۱۰۰ سال به ترتیب ۶۴/۰، ۶۵/۰ و ۶۵/۰ بدست آمدند) مختلف تقریبا مشابه است. در این روش نسبت خطا به مساحت در حوضه کوچک بیشتر از مقادیر آن در حوضه های بزرگتر بوده است.
Keywords:
Authors
ابوالحسن فتح آبادی
عضو هیات علمی، دانشگاه گنبد کاووس
حامد روحانی
عضو هیات علمی دانشگاه گنبد کاووس
سید مرتضی سیدیان
عضو هیات علمی دانشگاه گنبد کاووس
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 :