بررسی توزیع زمانی بارش های روزانه با روش منحنی های بارش نرمال (NRC) (مطالعه موردی: ایستگاه اهر)
Publish place: The 4th Conference on Environmental Planning and Management
Publish Year: 1396
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 533
This Paper With 12 Page And PDF and WORD Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ESPME04_314
تاریخ نمایه سازی: 19 خرداد 1396
Abstract:
در این پژوهش، با استفاده از آمار روزانه ایستگاه هواشناسی اهر به بررسی منحنی های بارش نرمال پرداخته شد. برای این منظور، مقدار بارش روزانه به همراه تعداد روزهای بارانی به صورت تراکمی در نظر گرفته شد و به ترتیب، با x_k و y_k نشان داده شد، آنگاه منحنی های بارش نرمال براساس دو مدل x_k=ay_k exp(by_k ) و x_k=y_k exp[-b(1-y_k )^c ] بسط داده شد، این کار هم برای تمامی روزهای دوره آماری و هم برای هر ماه در طول دوره آماری انجام شد. مقادیر پارامترهای هر مدل و سری مشاهداتی معین به روش بهینه سازی و در نرم افزار اکسل تخمین زده شدند. افزون بر این، چند مدل دیگر ریاضی (از جمله، مدل Hoerl، توانی، نمایی و ...) نیز برای داده های x_k و y_k توسط نرم افزار Curve Expert 1.3 بسط داده شد. از بین مدل های بسط داده شده مدل با کمترین مقدار RMSE و بیشترین مقدار R^2 به عنوان مناسب ترین مدل معرفی گردید. نتایج نشان داد که تقریبا در همه موارد، مدل 〖 x〗_k=y_k exp[-b(1-y_k )^c ] کمترین مقدار RMSE و بیشترین مقدار R^2 را دارا بود و به عنوان مناسب ترین مدل برای بسط منحنی های بارش نرمال اهر انتخاب شد. با این حال، در ماه می مدل نمایی سه پارامتری به عنوان مدل مناسب انتخاب گردید. در پرباران ترین و کم-باران ترین ماه های سال، مقادیر RMSE معادل 5507/0 میلی متر در می و 3495/0 میلی متر در اوت و مقادیر R^2 در هر دو ماه معادل 999/0 به دست آمد. در حالت کلی، می توان نتیجه گرفت که در نیمی از روزهای همراه با بارش، کمتر از پانزده درصد کل عمق بارش نازل می شود.
Keywords:
Authors
فاطمه بانان فردوسی
دانشجوی کارشناسی ارشد مهندسی منابع آب، دانشگاه تبریز
یعقوب دین پژوه
دانشیار و عضو هیات علمی، دانشگاه تبریز
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 :