تحلیل وابستگی دماوبارش تبریزبااستفاده ازتوابع مفصل

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 788

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCCE08_1134

تاریخ نمایه سازی: 5 مهر 1393

چکیده مقاله:

بطور کلی توزیع احتمالاتی داده ها یتصادفی چندمتغیره درمقایسه با حالت یک متغیره آنها به دلیل وابستگی غیرخطی بین متغیرهای تصادفی پیچیده تر است یکی ازروشهای حل این مشکل استفاده ازتوابع مفصل می باشد که درسالهای اخیر بیشتر مورد توجه محققین بوده است دراین مطالعه وابستگی دما و بارش ایستگاه تبریز با استفاده ازتوابع مفصل مدلسازی شد برای این منظور ازداده های بارش و دمای ماهانه ایستگاه تبریز دردوره آماری 1350-1387 استفاده شد ابتدا ازبین توزیع های تک متغیره مناسبترین توزیع برای داده های بارش ودما برمبنای تست کولموگروف - اسمیر نف انتخاب شد نتایج نشان داد که توزیع های نمایی و مقدارحدی تعمیم یافته GEV بترتیب قادرند برای سریهای بارش و دمای تبریز استفاده شوند سپس سه تابع مفصل کاندیدا به نامهای کلایتون گامبل و رفرانک برای ایجادتوزیع دومتغیره بارش و دمای ایستگاه تبریز مورد بررسی قرارگرفت نتایج نشان داد که عملکرد هر سه تابع مفصل نزدیک به هم بوده ولی باتوجه به اینکه ازبین سه تابع مفصل مورد بررسی فقط مفصل فرانک قابلیت مدل کردن وابستگیهای منفی را دارا می باشد بنابراین به عنوان تابع مفصل مناسب جهت مدل کردن وابستگی بارش و دمای ایستگاه تبریز انتخاب گردید

نویسندگان

هادی ثانی خانی

دانشجوی دکتری منابع آب عضوباشگاه پژوهشگران جوان و نخبگان دانشگاه آزاد اسلامی واحد ساوه ایران

رسول میرعباسی نجف آبادی

استادیارگروه مهندسی آب دانشکده کشاورزی دانشگاه شهرکرد

یعقوب دین پژوه

دانشیارگروه مهندسی آب دنشکده کشاورزی دانشگاه تبریز

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 :
  • Eckmann, J. P. andRuelle, D. (1985), ;:Ergodic theory of chaos ...
  • Tanarhte, M., Hadjinicolaou, P., andLelieveld, J. (2012), _ :Interc omparison ...
  • Rajeevan, M., Pai, D. S., and Thapliyal, _ (1998), :Spatial ...
  • Huang, Y., Cai, J., Yin, H., andCai, M. (209) , ...
  • Aldrian, E. _ DwiSusanto, R. (2003). :Identification of three dominant ...
  • Wilks, D. S. (2011), :Statistical methods in the atmospheric sciences' ...
  • AghaKouchak, A., Bardossy, A., andHabib, E. (20 _ _ , ...
  • De Michele, C., and Salvadori, G., (203), "A Generalized Pareto ...
  • Salvadori, G., and De Michele, C., (2006) , :Statistical characteriz ...
  • Grimaldi, S., and Serinaldi, F., (2006) , :Design hyetographs analysis ...
  • Zhang, L, and Singh, V.P., (207a), :B ivariate rainfall frequency ...
  • Zhang, L., and Singh, V.P., (2007b) , ، Gu mbel ...
  • Serinaldi, F. (208), "Analysis of inter-gauge dependence by Kendall s ...
  • Favre, A.C, El Adlouni, S., Perreault, L., Thiemonge, N., and ...
  • De Michele, C., Salvadori, G., Canossi, M., Petaccia, A., and ...
  • Shiau, J.T., (2006);Fitting drought duration and severity with two -dimensional ...
  • Shiau, J.T. Feng, S., and Nadarajah, S., (2007) , :Assessment ...
  • Song, S., and Singh, V.P., (20 1 0) , ، ...
  • Laux, P., Vogl, S., Qiu, W., Knoche, H. R., and ...
  • Mirabbasi, R., Fakheri-Fard, A., and Dinpashoh, Y. (20 12), :Bivariate ...
  • Schoelzel, C., and Friederichs, P. (2008), :Multivariate non-normally distributed random ...
  • Huang, J. and H.M. Van Den Dool, (1993), "Monthly precipitati ...
  • Nelsen, R.B. (1999), _ introduction to copulas, " Springer. ...
  • Sklar, A. (_ 95 9), :Fonctions de repartition a n ...
  • Salvadori, G., De Michele, C., Kottegoda, N.T., and Rosso, R. ...
  • نمایش کامل مراجع