بررسی تاثیر شبکه بندی روی ضریب شکل توابع پایه شعاعی در نگاشت داده های ناقص بارندگی
سال انتشار: 1390
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 286
فایل این مقاله در 13 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_IWRR-7-4_007
تاریخ نمایه سازی: 1 اسفند 1401
چکیده مقاله:
از طریق نگاشت داده های موجود بارندگی می توان به درونیابی و نگاشت داده های ناقص بارندگی که اطلاعات بارندگی بدلایلی در آنها ثبت نشده است پرداخت. در این مقاله برای تکمیل داده های ناقص ازپنج روش درونیابی مبتنی بر توابع پایه شعاعی در یک محدوده سطح واحد استفاده شده است. برای یافتن روش مناسب درونیابی، مقدار ضریب ثابت کمینه کننده خطا (ضریب شکلC ) طی یک روش اعتبار سنجی بهینه یابی از سه نمونه از توابع آزمون که در آن محدوده مورد مطالعه بصورت شبکه های مربعی ۱/۰ متری تا ۵/۰ متری در مربع با ابعاد واحد انتخاب شده اند و در اینجا حکم مشاهدات را دارند، استفاده شده است. با داشتن این ضریب شکل خاص میزان بدست آمده برای تداوم بارندگی محاسبه شده و با کارهای دیگر که در این زمینه انجام شده مقایسه به عمل آمده و به منظور بررسی دقت روش تخمین و انتخاب روش نهائی از روشهای کنترل آماری شامل خطای متوسط مربعی نرمال ۱(NMSE)، درصد متوسط خطای تخمین ۲(PAEE) و یا مربع ضریب همبستگی۳(R۲)، استفاده شده است. به صورت عددی نشان داده شده است که میزان بهینه ضریب شکل بستگی به توزیع تعداد ایستگاهها بر روی سطح واحد و نحوه شبکه بندی دارد. نتایج تحقیق نشان می دهد که با افزایش تعداد ایستگاه مشاهده ای در دامنه مورد نظر اختلاف محاسبات با مشاهدات ( توابع آزمون) بسیار کمتر می شود در ادامه مقدار بارندگی در یک ایستگاه خاص کاملا انتخابی در درون دامنه بغیر از ایستگاههای منظم موجود، یعنی ایستگاه واقع درنقطه (۳۵/۰,۲۵/۰) Z نیز از دو طریق توابع آزمون و محاسبات بدست آمد و نتایج بسیار رضایت بخشی حاصل گردید و پیشنهاداتی برای ادامه تحقیق داده شد.
کلیدواژه ها:
نویسندگان
حسن درخشان
استادیار /بخش راه و ساختمان، دانشکده مهندسی دانشگاه زابل- زابل- ایران
ناصر طالب بیدختی
استاد/ دانشکده مهندسی بخش راه و ساختمان دانشگاه شیراز- شیراز- 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 :