شناسایی داده‌های پرت در آنالیز منطقه‌ای سیلاب به روش آنالیز مولفه‌های اصلی

Publish Year: 1389
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,357

This Paper With 7 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NCCE05_149

تاریخ نمایه سازی: 12 آبان 1388

Abstract:

داده های حدی بالا و پایین که داده های پرت نامیده میشوند، نتایج تجزیه و تحلیل داده ها را تحت تاثیر قرار داده و نتایج بدست آمده را دور ازواقعیت میکنند. در آنالیز منطقه ای سیلاب داده های پرت بالا باعث برآورد زیاد سیلاب طرح شده که این موجب بالا رفتن هزینه های ساخت سازه های آبی میگردد. داده های حدی پایین نیز به علت برآورد کم سیلاب طرح سبب افزایش هزینه های تخریب سازه ها میشود. در هیدرولوژی روش جامع و مطمئنی برای شناسایی داده های پرت وجود ندارد. در این تحقیق از روش جدید آنالیز مولفه های اصلی که یک روش آماری چندمتغیره است برای شناسایی داده های پرت استفاده شده است. با روش آنالیز مولفه های اصلی با توجه به ساختار داده ها، عوامل ایجاد تغییرات داده ها که مولفه های اصلی یا متغیرهای نهان نامیده میشوند، شناسایی میشود. در روشبکارگرفته شده دادههایی که مولفه های اصلی آنها از بقیه اختلاف زیادی دارد به عنوان داده پرت قلمداد میگردد. نتایج بدست آمده از این روشبرای حوزه دریاچه ارومیه نشاندهنده دقت بالای این روش است.

Authors

محمدحسین نوری قیداری

عضو هیات علمی دانشگاه آزاد اسلامی واحد زنجان

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 :
  • Giussani B. et al. (2008) "Three-way principal component analysis of ...
  • Hisdal.H (200)، Methods for Regional Classification of Steamflow Drought Series: ...
  • _ Lucas L. and Jauzein M. (2008) _ of principal ...
  • Ouyang Y. (2005) "Evaluation of river water quality monitoring stationa ...
  • Petersen W. et al. (2001) 0"Process identification by principal component ...
  • Pop H.F. (2005) "Principal components analysis versus fuzzy principal component ...
  • Reid M.K. and Spencer K.L. (2009) _ of principal components ...
  • Sauquet E. et al. (2000) "Mapping mean monthly runoff pattern ...
  • Siyue L. et al. (2009) _ quality in the upper ...
  • Wan K.L. et al. (2009) _ new variable for climate ...
  • Zhang C. (2006) "Using multivariate analyses and GIS to identify ...
  • نمایش کامل مراجع