تحلیل دومتغیره دوره بازگشت توفان گرد و غبار براساس تئوری کاپولا در استان یزد

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 44

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JWMS-12-40_011

تاریخ نمایه سازی: 5 دی 1402

چکیده مقاله:

توفان گرد و غبار یک پدیده تصادفی بوده که به پارامترهای متعددی وابسته می­باشد لذا تحلیل این پدیده بصورت چندمتغیره لازم و ضروری است. به همین منظور در این مطالعه به اهمیت و کمبود تحلیل چندمتغیره بلایای طبیعی همچون توفان گرد و غبار پرداخته شده است. بدین منظور از تئوری کاپولا جهت تحلیل دو متغیره توفان گرد و غبار استفاده شد. توابع کاپولا ابزاری مناسب جهت انجام تحلیل فراوانی چندمتغیره بلایای طبیعی هستند. از مهمترین مزایای این تئوری عدم محدودیت برای انتخاب نوع توزیع حاشیه­ای متغیره ها می­باشد. جهت تحلیل دومتغیره توفان، براساس تعریف سازمان جهانی هواشناسی توفان­های شدید در دوره آماری ۱۹۸۲ تا ۲۰۱۴ در استان یزد انتخاب شدند. بر این اساس ۳۴ واقعه توفان شدید در این دوره آماری استخراج شد و متغیره های سرعت باد حداکثر و ارتفاع ژئوپتانسیل متناظر با روزهای توفانی نیز تعیین شدند. در نهایت دوره بازگشت دو متغیره براساس دو متغیر سرعت باد حداکثر و ارتفاع ژئوپتانسیل با استفاده از تابع کاپولای t-student به عنوان بهترین تابع، محاسبه شد. همچنین دوره بازگشت تک متغیره توفان نیز براساس هریک از متغیره های سرعت باد حداکثر و ارتفاع ژئوپتانسیل نیز جهت مقایسه با مقادیر دو متغیره محاسبه شد. نتایج حاصل نشان داد تحلیل دومتغیره دوره بازگشت توفان از دقت تخمین بالاتری نسبت به دوره بازگشت براساس یک متغیر برخوردار است.توفان گرد و غبار یک پدیده تصادفی بوده که به پارامترهای متعددی وابسته می­باشد لذا تحلیل این پدیده بصورت چندمتغیره لازم و ضروری است. به همین منظور در این مطالعه به اهمیت و کمبود تحلیل چندمتغیره بلایای طبیعی همچون توفان گرد و غبار پرداخته شده است. بدین منظور از تئوری کاپولا جهت تحلیل دو متغیره توفان گرد و غبار استفاده شد. توابع کاپولا ابزاری مناسب جهت انجام تحلیل فراوانی چندمتغیره بلایای طبیعی هستند. از مهمترین مزایای این تئوری عدم محدودیت برای انتخاب نوع توزیع حاشیه­ای متغیره ها می­باشد. جهت تحلیل دومتغیره توفان، براساس تعریف سازمان جهانی هواشناسی توفان­های شدید در دوره آماری ۱۹۸۲ تا ۲۰۱۴ در استان یزد انتخاب شدند. بر این اساس ۳۴ واقعه توفان شدید در این دوره آماری استخراج شد و متغیره های سرعت باد حداکثر و ارتفاع ژئوپتانسیل متناظر با روزهای توفانی نیز تعیین شدند. در نهایت دوره بازگشت دو متغیره براساس دو متغیر سرعت باد حداکثر و ارتفاع ژئوپتانسیل با استفاده از تابع کاپولای t-student به عنوان بهترین تابع، محاسبه شد. همچنین دوره بازگشت تک متغیره توفان نیز براساس هریک از متغیره های سرعت باد حداکثر و ارتفاع ژئوپتانسیل نیز جهت مقایسه با مقادیر دو متغیره محاسبه شد. نتایج حاصل نشان داد تحلیل دومتغیره دوره بازگشت توفان از دقت تخمین بالاتری نسبت به دوره بازگشت براساس یک متغیر برخوردار است.

نویسندگان

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 :
  • Akaike, H. ۱۹۷۴. A new look at the statistical model ...
  • Aven, T. ۲۰۱۲. Foundational issues in risk assessment and risk ...
  • Bozdogan, H. ۲۰۰۰. Akaike’s information criterion and recent developments in ...
  • Chen, T. and Xu, H. F .۲۰۰۳ TEM investigation of ...
  • Dong, Sh., Jiao, Ch., and Tao, Sh. ۲۰۱۷. Joint return ...
  • Fan, Y.D., Shi, P.J., Zhou, T., and Li, Y. ۲۰۰۷. ...
  • Fa,n L., Wang, H., Wang. Ch., Lai. W., and Zhao, ...
  • Favre, A. Adlouni, S. E. Perreault, L. and Thie´monge, B. ...
  • Feng, J., and Li, N., ۲۰۱۵. The return period analysis ...
  • Frans, B., Julia, H., and David, M.G., ۲۰۰۶. Learning to ...
  • Genest, C. and Rivest, L.P. ۱۹۹۳. Statistical Inference Procedures for ...
  • Goda, K., and Ren, J.D. ۲۰۱۰. Assessment of seismic loss ...
  • Hamadneh, H.S., Ababneh, Z., Hamasha, K.M., and Ababneh, A.M. ۲۰۱۵. ...
  • Iqbal, M.J., and Ali, M., ۲۰۱۳. A probabilistic approach for ...
  • Kaskaoutis, D.G., Kosmopoulos, P., Kambezidis, H.D., and Nastos, P.T. ۲۰۰۷. ...
  • Kurosaki, Y., and M. Mikami. ۲۰۰۳. Recent frequent dust events ...
  • Li, W. Y, Lv. SH., and Dong, ZB. ۲۰۱۰. Linear ...
  • Li, N., Liu, X., Xie,W.,Wu, J., and Zhang, P., ۲۰۱۳. ...
  • Liu, X., Li, N., Yuan, S., Xu, N., Shi, W., ...
  • Li, Y., Gu, W., Cui, W., Chang, Z., and Xu, ...
  • Li, N., Guo, L., and Fan, B., ۲۰۱۵b. A new ...
  • Mirakbari, M., Ganji, A. and Fallah, S.R. ۲۰۱۰. Regional bivariate ...
  • Mirakbari, M., Mesbahzadeh, T., Mohseni, S. M., Khosravi, H., and ...
  • Nelsen, R. B. ۲۰۰۶. An Introduction to Copulas. New York: ...
  • Qian, W., Quan, L., and Shi, Sh. ۲۰۰۱. Variations of ...
  • Shiau, J. T. ۲۰۰۶. Fitting drought duration and severity with ...
  • Sklar, A. ۱۹۵۹. Fonctions der´epartition ` a n dimensionset leursmarges,” ...
  • Sorensen, J.H., ۲۰۰۰. Hazard warning systems: review of ۲۰ years ...
  • Tam, W.W.S., Wong, T.W., Wong, A.H.S., and Hui, D.S.C., ۲۰۱۲. ...
  • Wang, X. M., Dong, Z. B., Zhang, J. W., and ...
  • Wang, S.G.,Wang, J.Y., Zhou, Z.J., and Shang, K.Z. ۲۰۰۵. Regional ...
  • Wong, G., Lambert, M.F., and Leonard, M. ۲۰۱۰. Drought analysis ...
  • Xu, K., Yang, D., and Xu, H. ۲۰۱۵. Copula based ...
  • Zhao, J. B, Du, J., and Huang, C.C. ۲۰۰۲. Formation ...
  • Zhou, Y., Li, N., Wu, W., Wu, J., Gu, X., ...
  • Akaike, H. ۱۹۷۴. A new look at the statistical model ...
  • Aven, T. ۲۰۱۲. Foundational issues in risk assessment and risk ...
  • Bozdogan, H. ۲۰۰۰. Akaike’s information criterion and recent developments in ...
  • Chen, T. and Xu, H. F .۲۰۰۳ TEM investigation of ...
  • Dong, Sh., Jiao, Ch., and Tao, Sh. ۲۰۱۷. Joint return ...
  • Fan, Y.D., Shi, P.J., Zhou, T., and Li, Y. ۲۰۰۷. ...
  • Fa,n L., Wang, H., Wang. Ch., Lai. W., and Zhao, ...
  • Favre, A. Adlouni, S. E. Perreault, L. and Thie´monge, B. ...
  • Feng, J., and Li, N., ۲۰۱۵. The return period analysis ...
  • Frans, B., Julia, H., and David, M.G., ۲۰۰۶. Learning to ...
  • Genest, C. and Rivest, L.P. ۱۹۹۳. Statistical Inference Procedures for ...
  • Goda, K., and Ren, J.D. ۲۰۱۰. Assessment of seismic loss ...
  • Hamadneh, H.S., Ababneh, Z., Hamasha, K.M., and Ababneh, A.M. ۲۰۱۵. ...
  • Iqbal, M.J., and Ali, M., ۲۰۱۳. A probabilistic approach for ...
  • Kaskaoutis, D.G., Kosmopoulos, P., Kambezidis, H.D., and Nastos, P.T. ۲۰۰۷. ...
  • Kurosaki, Y., and M. Mikami. ۲۰۰۳. Recent frequent dust events ...
  • Li, W. Y, Lv. SH., and Dong, ZB. ۲۰۱۰. Linear ...
  • Li, N., Liu, X., Xie,W.,Wu, J., and Zhang, P., ۲۰۱۳. ...
  • Liu, X., Li, N., Yuan, S., Xu, N., Shi, W., ...
  • Li, Y., Gu, W., Cui, W., Chang, Z., and Xu, ...
  • Li, N., Guo, L., and Fan, B., ۲۰۱۵b. A new ...
  • Mirakbari, M., Ganji, A. and Fallah, S.R. ۲۰۱۰. Regional bivariate ...
  • Mirakbari, M., Mesbahzadeh, T., Mohseni, S. M., Khosravi, H., and ...
  • Nelsen, R. B. ۲۰۰۶. An Introduction to Copulas. New York: ...
  • Qian, W., Quan, L., and Shi, Sh. ۲۰۰۱. Variations of ...
  • Shiau, J. T. ۲۰۰۶. Fitting drought duration and severity with ...
  • Sklar, A. ۱۹۵۹. Fonctions der´epartition ` a n dimensionset leursmarges,” ...
  • Sorensen, J.H., ۲۰۰۰. Hazard warning systems: review of ۲۰ years ...
  • Tam, W.W.S., Wong, T.W., Wong, A.H.S., and Hui, D.S.C., ۲۰۱۲. ...
  • Wang, X. M., Dong, Z. B., Zhang, J. W., and ...
  • Wang, S.G.,Wang, J.Y., Zhou, Z.J., and Shang, K.Z. ۲۰۰۵. Regional ...
  • Wong, G., Lambert, M.F., and Leonard, M. ۲۰۱۰. Drought analysis ...
  • Xu, K., Yang, D., and Xu, H. ۲۰۱۵. Copula based ...
  • Zhao, J. B, Du, J., and Huang, C.C. ۲۰۰۲. Formation ...
  • Zhou, Y., Li, N., Wu, W., Wu, J., Gu, X., ...
  • نمایش کامل مراجع