کاربرد الگوی کمانک تطبیقی چندمتغیره در الگوبندی و تبیین درازمدت شوری و باقی مانده خشک آب رودخانه مطالعه موردی: حوضه های آبریز استان خراسان جنوبی
محل انتشار: فصلنامه مخاطرات محیط طبیعی، دوره: 1، شماره: 2
سال انتشار: 1391
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 210
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JNEH-1-2_004
تاریخ نمایه سازی: 25 اردیبهشت 1401
چکیده مقاله:
شوری (Ec) و باقیمانده خشک (TDS) از عوامل کیفی آب های شرب، کشاورزی و صنعت محسوب می شوند. ابتدا رابطه بین دبی- شوری و دبی- TDS (توابع سنجه) نمونههای برداشت شده با برازش الگوهای رگرسیونی نمایی، توانی و شبکه عصبی انجام میشود. سپس تحلیل دراز مدت Ec و TDSآب رودخانه (مقیاس روز، ماه و سال) با الگوی انتخابی صورت میگیرد. نمونههای برداشتی اغلب از جریان عادی و سیلابهای کوچک است. سیلابهای بزرگ و کم آبیهای شدید رودخانه اثرات مهمی در تحلیل و تبیین نوسانات Ec و TDS دارند. لذا نیاز به تخمین Ec و TDSاین سیلابها و کم آبیهاست (برونیابی). الگوهای رایج در برونیابی به دلیل کران دار بودن شوری و باقیمانده خشک خوب عمل نمیکنند. هدف مقاله حاضر بهکارگیری الگوی جدید کمانک تطبیقی چند متغیره[۱] (MARS) برای حل این مشکل است. حوضههای آبریز خراسان جنوبی نیز برای مطالعه موردی انتخاب شد. MARS یک الگوی رگرسیون تکه ای خطی (یا غیرخطی) کمانکی است که در برونیابی و رعایت کرانها عملکرد بهتری دارد. سه الگوی نمایی، توانی و MARS (با نردبان تبدیل) بر آمار دبی- Ec و دبی- TDS ایستگاه های استان خراسان جنوبی برازش داده شد. دو دیدگاه آماری و فیزیکی این الگوها معیار انتخاب الگوی برتر است که MARSبرتری خود را در این دو حالت نشان داد. نتایج الگوهای برازشی در دو حالت درونیابی و برون یابی با هم مقایسه شد. برونیابی الگوی MARSاعداد معقول و برونیابی سایر الگوها اعدا بسیار بزرگ (حتی بینهایت) ارائه میکنند. تحلیلها نشان داد که الگوی MARS با نردبان تبدیل میتواند جایگزین خوبی برای الگو بندی منحنی سنجه Ecو TDS باشد.
کلیدواژه ها:
نویسندگان
مجید جانفدا
فوق لیسانس آمار
حجت رضایی پژند
فوق لیسانس هیدرولووی، مدرس دانشگاه آزاد مشهد
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 :