تحلیل فراوانی سیل با توزیع آماری دو متغیره
محل انتشار: پنجمین همایش ملی مهندسی محیط زیست
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,081
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEE05_846
تاریخ نمایه سازی: 2 شهریور 1390
چکیده مقاله:
بسیاری از پدیده های هیدرولوژیکی نظیر سیل، خشکسالی ، ... مستعد پیروی از مدل های قطعی نیستند و باید بصورت احتمالاتی بررسی گردند. تحلیل فراوانی سیل بصورت مرسوم بر اساس یکی از مشخصات سیل که معمولاً اوج می باشد بررسی می گردد . نظر به اینکه پدیده سیل دارای مشخصات دیگری نظیر حجم سیل و مدت زمان تداوم سیل می باشد در بسیاری از موارد تحلیل فراوانی سیل با یک متغیر (پیک سیل) منجر به نتایج نادرست می شود برای مثال ممکن است دو سیل متفاوت با اوج یکسان ، مدت زمان و حجم سیل متفاوتی داشته باشند بنابراین تحلیل فراوانی سیل با استفاده از توابع توزیع تجمعی یک متغیره منجر به کم یا بیش برآورد نمودن پدیده سیل می شود.در این مقاله ابتدا داده های موجود به توابع توزیع آماری برازش داده شده و با استفاده از آزمون نکویی برازش توزیع مقدار حد نهایی (گامبل) انتخاب گردیده است و یک توزیع دو متغیره حدی (گامبل)که از توزیعات حاشیه ای گامبل ساخته شده برای آنالیز توزیعات توام پیک و حجم ارائه گردیده است. برمبنای توزیع های حاشیه ای توزیع توام اوج – حجم و توابع توزیع شرطی استخراج شده است. بر اساس توابع استخراج شده مقادیر متغیرها به ازای دوره بازگشت های مختلف برآورد شده است. به منظور بررسی کارائی روش ارائه شده ، از داده های پیک سیل و حجم سیل جریان ورودی به مخزن سد شهرچایی ارومیه استفاده گردیده است. نتایج مطالعه نشان می دهد که تحلیل فراوانی دو متغیره نسبت به تحلیل فراوانی یک متغیره واقع بنیانه تر است
کلیدواژه ها:
نویسندگان
النا اسدی
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد مهاباد
محمدتقی اعلمی
دانشیار گروه عمران هیات علمی دانشگاه تبریز
عثمان محمدپور
عضو هیات علمی دانشگاه آزاد اسلامی واحد مهاباد ، دانشجوی دکتری عمران
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 :