ارائه روابط منطقه ای برای حداکثر دبی های روزانه زیرحوضه های غرب ایران با استفاده از مدل های رگرسیونی خطی تعمیم یافته (GLMs)

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 52

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JWSS-27-1_010

تاریخ نمایه سازی: 14 مرداد 1402

چکیده مقاله:

روابط منطقه ای قابل اطمینان که بتواند با استفاده از خصوصیات حوضه های آبخیز بزرگی دبی سیلاب ها را به ازای دوره بازگشت های مختلف پیش بینی کند از اهمیت ویژه ای برای مدیریت سیل و طراحی سازه های هیدرولیکی در حوضه های فاقد ایستگاه هیدرومتری برخوردار است. بنابراین، در پژوهش حاضر سعی شد تا با استفاده از مدل های رگرسیونی خطی تعمیم یافته (GLMs) مدل های منطقه ای مناسبی برای برآورد حداکثر دبی های روزانه به ازای دوره بازگشت های ۲، ۱۰، ۵۰ و ۱۰۰ سال برای ۶۲ زیرحوضه از حوضه های کارون بزرگ و کرخه ارائه شود. بر اساس نتایج، حوضه های مورد مطالعه توسط برخی از خصوصیات فیزیوگرافی و اقلیمی به چهار زیرگروه گروه بندی شدند. بطورکلی نتایج نشان داد که به جز زیرمنطقه شماره دو که شامل زیرحوضه های بسیار بزرگ (A̅≈۱۷۳۰۰km۲) است، در تمامی زیرمناطق تعیین شده فرایند مدل سازی موفق است. به طوری که مقادیر ضرایب تببین اصلاح شده مناسب ترین مدل ها برای حداکثر دبی های ۱۰۰ ساله در زیرمناطق اول، سوم و چهارم به ترتیب ۸۲/۴، ۹۱/۳ و ۹۰/۶ درصد و درصد نسبی خطای آنها (RRMSE) نیز به ترتیب ۹/۵، ۹/۲۳ و ۶/۸ درصد برآورد شد. همچنین، نتایج نشان داد که برای سیلاب ها با دوره بازگشت های کوتاه مدت مانند ۲ و ۱۰ سال متغیرهایی همچون طول، محیط و مساحت حوضه ها تاثیر زیادی روی حداکثر دبی های روزانه خواهند داشت، درحالی که برای دوره بازگشت های بلندمدت مانند ۵۰ و ۱۰۰ سال اغلب خصوصیات آبراهه ها و شبکه زهکشی حوضه ها مانند طول آبراهه اصلی، مجموع طول سیستم رودخانه ها و شیب آبراهه اصلی حداکثر دبی های روزانه را تحت تاثیر قرار می دهند. با توجه به پژوهش صورت گرفته می توان اظهار داشت که رفتار حداکثر دبی های روزانه در منطقه مورد مطالعه تا حد زیادی از خصوصیات مختلف اقلیمی و فیزیوگرافی حوضه ها تاثیر می پذیرید و بنابراین، با مدل سازی صحیح آن می توان با دقت به نسبت مناسبی ویژگی های این متغیر را در حوضه های فاقد ایستگاه هیدرومتری برآورد کرد.

نویسندگان

پوریا محیط اصفهانی

Isfahan University of Technology

وحید چیت ساز

Agricultural Research Education And Extention Organization

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • Allahbakhshian-Farsani, P., M. Vafakhah, H. Khosravi-Farsani and E. Hertig. ۲۰۲۰. ...
  • Aziz, K., A. Rahman, G. Fang and S. Shrestha. ۲۰۱۴. ...
  • Chandramohan, T., M. K. Jose, B. K. Purandara and B. ...
  • Chitsaaz, V. and P. Mohit Isfahani. ۲۰۲۲. Regional Flood Frequency ...
  • Ghaderi, K., B. Motamedvaziri, M. Vafakhah and A. A. Dehghani. ...
  • Guisan, A., J.R.T.C. Edwards and T. Hastie. ۲۰۰۲. Generalized linear ...
  • Guldemir, H. and A. Sengur. ۲۰۰۶. Comparison of clustering algorithms ...
  • Hailegeorgis, T. T. and K. Alfredsen. ۲۰۱۷. Regional flood frequency ...
  • Hosking, J.R.M. and J. R. Wallis. ۱۹۹۷. Regional Frequency Analysis: ...
  • Kordrostami, S., M. A. Alim, F. Karim and A. Rahman. ...
  • Mehdi Nasab, M. ۲۰۲۰. Survey of ۱ April flood in ...
  • Mosaffaie, J. ۲۰۱۶. Application of artificial neural network, multiple-regression and ...
  • Msilini, A., C. Charron, T. B. Ouarda and P. Masselot. ...
  • Nelder, J. A. and R. W. Wedderburn. ۱۹۷۲. Generalized linear ...
  • Padhma, M. ۲۰۲۰. End-to-End Introduction to Evaluating Regression Models. Available ...
  • Pansera, W. A., B. M. Gomes, M. A. V. Boas ...
  • Rahimi, M., R. Modarres and S. Soltani. ۲۰۲۱. Comparison of ...
  • Rahman, A., C. Charron, T. B. Ouarda and F. Chebana. ...
  • Rahman, A. S. and A. Rahman ۲۰۲۰. Application of principal ...
  • Sharifi Garmdareh, E., M. Vafakhah and S. Eslamian. ۲۰۱۹. Assessment ...
  • Special Panel on National Floods Report (SPNFR). ۲۰۲۰. Story, Analyze, ...
  • Wood, S. ۲۰۰۶. Generalized Additive Models: An Introduction with R. ...
  • نمایش کامل مراجع