جستجوی مقالات مرتبط با کلیدواژه « تحلیل فراوانی چند متغیره » در نشریات گروه « آب و خاک »
تکرار جستجوی کلیدواژه « تحلیل فراوانی چند متغیره » در نشریات گروه « کشاورزی »-
بارندگی به عنوان ورودی در مدل سازی سیل و طراحی سازه های هیدرولیکی از اهمیت بسزایی برخوردار است. تحلیل فراوانی بارش از جمله وظایف مهم هیدرولوژیست ها و برنامه ریزان منابع آب می باشد. پدیده های هیدرولوژیکی از جمله بارندگی به صورت چند متغیره (شدت- عمق- مدت) هستند، از این رو مدل سازی مشترک از چندین متغیر تصادفی لازم است. با توجه به اهمیت دو متغیر شدت و عمق بارندگی در مدیریت سیلاب و طراحی سازه های هیدرولیکی، در این تحقیق از توابع مفصل برای تحلیل ساختار وابستگی بین این دو متغیر استفاده شد. برای این منظور از 40 سال داده های بارندگی ثبت شده ایستگاه باران سنجی مینودشت واقع بر رودخانه چهل چای حوزه آبخیز گرگانرود استفاده شد. همچنین جهت تعیین ریسک مجاز خراب شدن یک سازه در مقابل بارندگی، دوره بازگشت در حالت یک متغیره با دوره بازگشت دو متغیره بر اساس توابع مفصل منتخب مورد مقایسه قرار گرفت. در این تحقیق بر اساس معیارهای نیکویی برازش، مفصل فرانک منجر به بهترین نتیجه در مدل سازی متغیرهای شدت و عمق بارندگی شد. دوره بازگشت دو متغیره بر اساس مفصل فرانک برآورد گردید که در مقایسه با دوره بازگشت یک متغیره، موجب بهبود در برآورد ریسک مجاز یک سازه می شود. به عنوان مثال، رخداد واقعه ای با مقادیر شدت بارندگی 45/33 میلی متر بر ساعت و عمق بارش 61/168 میلی متر برای دوره بازگشت یک متغیره ی 100 سال، در دوره بازگشت توام «یا» برابر 53 سال و در دوره بازگشت توام «و» برابر 954 سال است. مقایسه تحلیل دو متغیره با تحلیل یک متغیره گویای اختلاف مقادیر حاصل از این دو روش است. از آنجا که تحلیل یک متغیره وقایع هیدرولوژیک به علت عدم در نظر گرفتن تمامی مشخصه های موثر در پدیده، تحلیلی جامع و به دور از خطا نخواهد بود، لذا استفاده از تحلیل چند متغیره وقایع هیدرولوژیک در مطالعات توصیه می شود.کلید واژگان: بارندگی, تحلیل فراوانی دو متغیره, توابع مفصل, دوره بازگشت یک متغیره, دوره بازگشت دو متغیره}Rainfall as an input factor for flood modeling and design of hydraulic structures has great importance. Rainfall frequency analysis is a major task for water resources planners and hydrologists. Considering this fact that hydrological phenomena including rainfall are multivariate (intensity-depth-duration) terms, joint modeling of several random variables would be required. Considering the importance of two rainfall characteristics including intensity and depth in flood management and design of hydraulic structures, in this research, copula function was used for the analysis of dependency structure of these two variables. For this purpose, 40 years recorded rainfall data in Minoodasht hydrometry station located on Chehelchay River in Gorganrood watershed was used. In order to determine the allowable risk of structure failure against rainfall, its univariate return period was compared with estimated joint return period through selected copula. In this study, Frank copula led to the best results in bivariate modeling of rainfall intensity and depth, according to goodness of fit tests. Associated return period was estimated by Frank copula to improve allowable structural risk estimation in comparison to univariate return period. For example, an incident with the intensity of rainfall equal to 45.43 mm/h and its depth of 168.61 mm for 100 years’ univariate return period is 53 years in "or" case and 954 years in "and" case for bivariate joint return period. Comparison of bivariate analysis with univariate analysis indicates the difference the outcome of these tow methods. As due to the lack of consideration of all effective features in the phenomenon, the univariate analysis of hydrological events would not be a comprehensive analysis, therefore, the multivariate analysis of hydrological events is recommended.Keywords: Rainfall, bivariate frequency analysis, Copula, univariate return period, Bivariate return period}
-
تحلیل فراوانی یکمتغیرهی وقایع هیدرولوژیک به علت عدم در نظر گرفتن همزمان همهی مشخصههای موثر بر واقعه میتواند با خطا همراه باشد. بر این اساس تحلیل فراوانی بیش از یک متغیرهی وقایع هیدرولوژیک مانند سیلاب میتواند در مدیریت منابع آب و طراحی سازهها مفید باشد. در هیدروگراف سیلاب دو عامل مقدار دبی اوج و حجم سیلاب نقش تعیین کنندهای در طراحی سازهها دارند، لذا در این تحقیق از توابع مفصل ارشمیدسی برای تحلیل ساختار وابستگی بین این دو متغیر تصادفی استفاده شد. با درنظر گرفتن معیار حدی دبی اوج و روش حداکثر سالانه، سری زمانی دادههای پدیده سیلاب در مقیاس روزانه برای ایستگاه ارازکوسه ایجاد گردید. این ایستگاه بر روی رودخانه چهلچای استان گلستان قرار دارد. مساحت این حوضه 1/1678 کیلومترمربع و طول دوره آماری آن 40 سال میباشد. نتایج نشان داد که تابع مفصل مقادیر حدی گامبل برازش بهتری بر دادهها دارد. برای بررسی دوره بازگشت وقایع در حالت توام، بنا بر نیاز طراحی میتوان از دوره بازگشت توام در دو حالت «یا» و «و» و دوره بازگشت توام شرطی استفاده نمود. به طور مثال در این تحقیق، رخداد واقعهای با مقادیر دبی اوج و حجمی برابر دوره بازگشت یکمتغیرهی 50 سال، در حالت توام «یا» دارای دوره بازگشتی برابر با 38 سال و در حالت توام «و» دارای دوره بازگشتی برابر با 72 سال است. در نتیجه طراحی بر اساس حالت «یا» اطمینانپذیرتر است زیرا برای دوره بازگشتی برابر با دوره بازگشت یکمتغیره مقادیر چندک بیش تری برای دبی اوج و حجم برآورد میگردد. تفاوت مقادیر دبی اوج و حجم حاصل از تحلیل دو متغیره در قیاس با تحلیل یک متغیره گویای آن است که تحلیل فراوانی یکمتغیرهی وقایع هیدرولوژیک به علت عدم در نظر گرفتن تمامی مشخصههای موثر در یک پدیده، تحلیلی جامع و به دور از خطا نمیباشد. بنابراین تحلیل چند متغیره وقایع هیدرولوژیک توصیه میشود.
کلید واژگان: تحلیل فراوانی چند متغیره, دوره بازگشت توام, دوره بازگشت شرطی}Flood Frequency Analysis Using Archimedean Copula Functions Based on Annual Maximum Series / (Case Study:Arazkuseh Hydrometric Station in Golestan Province)Univariate frequency analysis of hydrological events has some shortcomings caused by the lack of taking into account all characteristics of such events. Therefore, bivariate frequency analysis of hydrologic events such as flood can be useful in hydraulic design of structures and water resources management. The peak discharge and volume of flood are two important parameters in design of structures, thus, Archimedean copula functions were used for analysis of dependence structure between peak discharges and flood volumes. The time series of discharge for Arazkusehhydrometric station for a period of 40 years was constructed based on annual maximum (AM) discharge in daily scale. This station area is 1678.1 km2.The results showed that Gumbel extreme value copula was the best choice for fitting to data. Beased on design requirements, one can choose joint return period in "and", "or" and "conditional". For example, considering univariate frequency analysis results the return period of peak discharge equal to 50 years, while for a same value of peak discharge and volume in "and", "or" condition, the joint return periods are 72 and 38 respectively. The return period of "or" case was less than univariateand the highest value was belong to "and" case. This shows that planning or design based on "or" case is more confident, because results to larger values of peak discharge and volume quantile for the same value or univariate return period.
Keywords: Copula functions, Archimedean Copulas, Multivariate frequency analysis, Joint return period, conditional return period}
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.