شناسایی داده های پرت سیلاب با استفاده از روش تجزیه به مولفه اصلی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 754

فایل این مقاله در 8 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:

WRM05_329

تاریخ نمایه سازی: 25 تیر 1393

چکیده مقاله:

دادهی پرت مشاهدهای است که به طور غیر عادی یا اتفاقی از وضعیت عمومی داده های تحت آزمایش و نسبت به قاعدهای که بر اساس آن آنالیز میشود، انحراف داشته باشد . در آنالیز منطقه ای سیلاب داده های پرت بالا باعث برآورد زیاد سیلاب طرح شده که این موجب بالا رفتن هزینه های ساخت سازه های آبی میگردد. داده های حدی پایین نیز به علت برآورد کم سیلاب طرح سبب افزایش هزینه های تخریب سازه ها میشود. برای به دست آوردن داده های پرت راه های گوناگونی وجود دارد ولی در علم هیدرولوژی هنوز راهی با دقت بالا به طور جامع یافت نمی شود.در این تحقیق با استفاده از روش تجزیه به مولفه اصلی (PCA) به شناسایی داده های پرت حداکثر سیلاب سالانه در دوحوضه ی گاماسیاب و قره چای واقع در استان همدان در 22 ایستگاه هیدرومتری و در طی سال های 1334-1379 پرداخته شد. در این روش با توجه به سه مولفه ی اصلی و روابط بین این سه مولفه میتوان پی به وجود داده ی پرت برد. روش تجزیه به مولفه اصلی (PCA) در شناسایی داده ی پرت سیلاب نتایج خوبی را ارائه داد. نتایج حاصل نشان داد که سال های آماری 1364،1357 و 1373 در ایستپاه های هیدرومتری مورد مطالعه به عنوان داده ی پرت شناسایی شدند.

کلیدواژه ها:

تجزیه به مولفه اصلی ، داده های پرت ، سیلاب و همدان

نویسندگان

کیمیا امیرمرادی

دانشجوی دکتری آبیاری و زهکشی، گروه مهندسی آب، دانشگاه بین المللی امام خمینی قزوین

معصومه السادات هاشمی طامه

دانشجوی دکتری آبیاری و زهکشی، گروه مهندسی آب، دانشگاه بین المللی امام خمینی قزوین

صفر معروفی

استاد گروه آبیاری و زهکشی، دانشکده کشاورزی، دانشگاه بوعلی سینا

میثم رحمتی

دانشجوی کارشناسی ارشد آبیاری و زهکشی، گروه مهندسی آب، دانشگاه بوعلی سینا همدان

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 :