کاربرد رگرسیون مارس در برآورد بارمعلق مطالعه موردی: حوضه های آبریز خراسان رضوی

سال انتشار: 1392
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 224

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IWRR-9-3_009

تاریخ نمایه سازی: 30 بهمن 1401

چکیده مقاله:

رسوب (بارمعلق وکف) مواد جامدی است که توسط آب رودخانه جابه جا می شود. روش مرسوم تخمین بارمعلق، استفاده از نمونه دبی– رسوب و برازش الگوهای نمائی، توانی، شبکه عصبی یا تنظیم جدول توزیع فراوانی است. این الگوها در برون یابی دبی های سیلابی خوب عمل نکرده و برآوردهای غیر واقعی می دهند. زیرا توان حمل بارمعلق توسط آب رودخانه کراندار است (خاصیت فیزیکی). الگوی رگرسیونی کمانک تطبیقی چند متغیره (مارس) برای حل این مشکل در این مقاله پیشنهاد می شود. مارس یک الگوی تکه ای خطی کمانکی است که در برون یابی عملکرد بهتری دارد. الگوهای مارس، نمایی و توانی در این مقاله بر آمار دبی- رسوب ۲۳ ایستگاه استان خراسان رضوی برازش داده شد. نتایج در دوحالت درون یابی و برون یابی و با معیارهای آماری و فیزیکی مقایسه شدند. معیارهای آماری الگو شامل: ضریب تعیین پیراسته (R۲adj)، مجموع مربعات خطا (SSE)، اعتبارمتقابل تعمیم یافته (GCV)، آسیب شناسی خطاها و معیار فیزیکی شامل: منطقی بودن برآورد رسوب در دوحالت درون یابی و برون یابی است. نتایج بررسی ها  نشان از برتری الگوی مارس (به ویژه در برون یابی) نسبت به دو الگوی دیگر دارد.

نویسندگان

حجت رضائی پژند

کارشناس ارشد /هیدرولوژی، دانشگاه آزاد اسلامی، واحد مشهد، ایران.

مجید جانفدا

کارشناس ارشد/ آمار، دانشگاه صنعتی شاهرود، شاهرود، ایران

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 :
  • آرشیو سازمان مدیریت منابع آب وزارت نیرو، ۱۳۸۹ ...
  • آرشیو شرکت آب منطقه­ای خراسان رضوی، ۱۳۸۹ ...
  • کاربرد شبکه های عصبی مصنوعی جهت تخمین دبی رسوب رودخانه ها [مقاله کنفرانسی]
  • تلوری ع، بیرودیان ن، منوچهری ا (۱۳۸۶) مدلسازی تغییرات زمانی ...
  • فتاحی م، طوسی س، ضیاء تبار احمدی م (۱۳۸۵) تخمین ...
  • Barnet V, Lewis T (۱۹۹۴) Outliers in statistical data. John ...
  • Freedman D A (۲۰۰۹) Statistical models: Theory and practice, Cambridge ...
  • Friedman JH (۱۹۹۱) Multivariate adaptive regression splines, J. Annals of ...
  • Hastie T, Tibshirani R, Freidman J (۲۰۰۹) The element of ...
  • Ryan SE, Porth L, Troendle CA (۲۰۰۲) Defining phase of ...
  • Sarangi A, Bhatta Charya AK (۲۰۰۵) Comparison of artificial neural ...
  • Sheather S J (۲۰۰۹) A modern approach to regression with ...
  • Weisberg S (۲۰۰۵) Applied linear regression, John Wiley & Sons ...
  • نمایش کامل مراجع