تعداد نشریات | 161 |
تعداد شمارهها | 6,504 |
تعداد مقالات | 70,302 |
تعداد مشاهده مقاله | 123,581,907 |
تعداد دریافت فایل اصل مقاله | 96,799,082 |
تحلیل چند متغیرۀ سیل با استفاده از مفصلهای Vine در حوزۀ آبخیز بازفت استان چهارمحال و بختیاری | ||
نشریه علمی - پژوهشی مرتع و آبخیزداری | ||
دوره 73، شماره 4، اسفند 1399، صفحه 674-690 اصل مقاله (1.71 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/jrwm.2021.314030.1548 | ||
نویسندگان | ||
ساسان امینی1؛ رفعت زارع بیدکی* 2؛ رسول میرعباسی نجف آبادی3؛ مریم شفایی4 | ||
1دانشجوی دکتری آبخیزداری، دانشکدۀ منابع طبیعی و علوم زمین، دانشگاه شهرکرد، ایران. | ||
2استادیار، دانشکدۀمنابع طبیعی و علوم زمین، دانشگاه شهرکرد، ایران. | ||
3دانشیار، دانشکدۀ کشاورزی، دانشگاه شهرکرد، ایران. | ||
4دکتری مهندسی آب، دفتر تخصیص منابع آب وزارت نیرو، تهران، ایران. | ||
چکیده | ||
سیل یک پدیدۀ چند بعدی است و به دلیل داشتن ویژگیهای همبستۀ متعدد، تجزیه و تحلیل تک متغیره نمیتواند دانش یکپارچهای در مورد این پدیده ارائه دهد. در این مطالعه، از ساختارهای واین برای تجزیه و تحلیل چند متغیرۀ ویژگیهای سیل استفاده شد. به این منظور، هیدروگرافهای 98 رویداد سیل ثبت شده در ایستگاه لندی در حوزۀ آبخیز بازفت در استان چهارمحال و بختیاری انتخاب شد و مشخصات سیلاب، از جمله دبی اوج سیل(p ) ، حجم سیل(V) ، مدت زمان سیل(D) و زمان رسیدن به اوج (T) استخراج شد. سپس با آزمون کلموگرف-اسمیرنوف بهترین توزیع برازش یافته بر هر متغیر انتخاب شد. توزیع حاشیهای منتخب شامل لوگ نرمال، جانسون اس بی و پیرسون نوع 5 به ترتیب برای دبی اوج سیل و حجم سیل، مدت زمان سیل و زمان رسیدن به اوج میباشد. در مرحلۀ بعد، مفصلهای سی- واین (C-Vine) و دی- واین (D-Vine) در دو شکل سه و چهار متغیره با ترکیب متغیر ایجاد شد. به این ترتیب که در سه متغیره، حجم و دبی اوج سیل در ترکیب ثابت و مدت زمان سیل یا زمان رسیدن به اوج متغیر در نظر گرفته شدند. در مفصل چهار متغیره نیز ترکیبهای متفاوت از هر چهار متغیر استفاده شد. برای ترکیب این متغیرها، از مفصلهای گامبل، فرانک، جو، کلایتون، گواسین و تی استیودنت استفاده شد. نتایج به دست آمده از مفصل، با مفصل تجربی آن ترکیب، مقایسه شد. نتایج نشان داد که بهترین ترکیب در هر دو مفصل سی واین و دی واین در مدلهای سه گانه، ترکیب TPV با مقدار نش 913/0است و مفصلهای گامبل و گواسین به عنوان بهترین مفصل در لبهها شناخته شدند. در مورد ترکیب چهار متغیره، بهترین ترکیب سی واین PVTD و دی واین و PTVD با مقدار نش 989/0 شناخته شدند. مفصلهای گامبل و گواسین در درختها دارای غالبیت میباشند. به طور کلی نتایج نشان داد که ساختارهای واین چهار متغیره از ساختارهای سه متغیره دارای همسبتگی بالاتری هستند. | ||
کلیدواژهها | ||
روش پارامتریک ریشۀ دوم؛ مکعب لاتین مشروط؛ گندم؛ ذرت؛ یونجه؛ قزوین | ||
مراجع | ||
[1] Aas, K., Czado, C., Frigessi, A. and Bakken, H. (2009). Pair-copula constructions of multiple dependence. Insurance: Mathematics and Economics, 44(2), 182–198. [2] Ayantobo, O. O., Li, Y. and Song, S. (2019). Multivariate drought frequency analysis using four-variate symmetric and asymmetric Archimedean copula functions. Water Resources Management, 33(1), 103–127. [3] Bedford, T. and Cooke, R. M. (2002). Vines: A new graphical model for dependent random variables. Annals of Statistics, 1031–1068. [4] Dayal, K. S., Deo, R. C. and Apan, A. A. (2019). Development of copula-statistical drought prediction model using the standardized precipitation-evapotranspiration index. In Handbook of Probabilistic Models. Elsevier Inc. [5] Favre, A. C., Adlouni, S. El, Perreault, L., Thiémonge, N. and Bobée, B. (2004). Multivariate hydrological frequency analysis using copulas. Water Resources Research, 40(1), 1–12. [6] Grimaldi, S. and Serinaldi, F. (2006). Asymmetric copula in multivariate flood frequency analysis. Advances in Water Resources, 29(8), 1155–1167. [7] Jiang,C.,Xiong,L.,Yan,L., Dong, J. and Xu, C.Y. (2019). Multivariate hydrologic design methods under nonstationary conditions and application to engineering practice. Hydrology and Earth System Sciences, 23(3), 1683–1704. [8] Joe, H. (1997). Multivariate models and multivariate dependence concepts. CRC Press. [9] Latif, S. and Mustafa, F. (2020). Trivariate distribution modelling of flood characteristics using copula function—A case study for Kelantan River basin in Malaysia. AIMS Geosciences, 6(1), 92–130. [10] Mirabbasi, R., Fakheri-Fard, A. and Dinpashoh, Y. (2012). Bivariate drought frequency analysis using the copula method. Theoretical and Applied Climatology, 108(1–2), 191–206. [11] Nash, J. E. and Sutcliffe, J. V. (1970). ’ L ~ E Empirical or Analytical Approaeb. Journal of Hydrology, 10(3), 282–290. [12] Nguyen-Huy, T., Deo, R. C., An-Vo, D. A., Mushtaq, S. and Khan, S. (2017). Copula-statistical precipitation forecasting model in Australia’s agro-ecological zones. Agricultural Water Management, 191(September), 153–172. [13] Pereira, G. and Veiga, Á. (2018). PAR(p)-vine copula based model for stochastic streamflow scenario generation. Stochastic Environmental Research and Risk Assessment, 32(3), 833–842. [14] Salvadori, G. and De Michele, C. (2006). Statistical characterization of temporal structure of storms. Advances in Water Resources, 29(6), 827–842. [15] Shafaei, M., Fakheri-Fard, A., Dinpashoh, Y., Mirabbasi, R. and De Michele, C. (2017). Modeling flood event characteristics using D-vine structures. Theoretical and Applied Climatology, 130(3–4), 713–724. [16] Sklar, A., SKLAR, A. and Sklar, C. A. (1959). Fonctions de reprtition an dimensions et leursmarges. [17] Snyder, W. M. (1962). Some possibilities for multivariate analysis in hydrologic studies. Journal of Geophysical Research, 67(2): 721–729. [18] Wong, S. T., Gray, D. M. and Hydro-, D. (1958). Mean Annual Flood I N New England ’. 298–311. [19] Vernieuwe, H., Vandenberghe, S., De Baets, B. and Verhoest, N. E. C. (2015). A continuous rainfall model based on vine copulas. Hydrology and Earth System Sciences, 19(6), 2685–2699. [20] Zhang, L. and Singh, V. P. (2007). Trivariate flood frequency analysis using the Gumbel–Hougaard copula. Journal of Hydrologic Engineering, 12(4), 431–439. | ||
آمار تعداد مشاهده مقاله: 614 تعداد دریافت فایل اصل مقاله: 531 |