تحلیل هم زمان مصرف ماهانه آب، دمای هوا و فشار شبکه آبرسانی با استفاده از توابع کوپلا، مطالعه موردی: منطقه یک شهر اصفهان

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 210

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JWWSE-8-2_004

تاریخ نمایه سازی: 3 مهر 1402

چکیده مقاله:

تحلیل و کنترل مصرف ­آب در شبکه­های آبرسانی و توزیع آب، با توجه به شرایط اقلیمی کشور و این­که می­توانند کمک زیادی به طراحان و بهره­برداران از منابع آب داشته باشند، دارای اهمیت هستند. توابع مفصل یا همان کوپلا ابزار مناسبی برای تحلیل­های چند متغیره هستند که محدودیت­های توابع توزیع چند متغیره کلاسیک را ندارند. در این تحقیق عوامل تاثیرگذار دو و سه متغیره بر پیش‎بینی مصرف ­آب با استفاده از توابع مفصل خانواده ارشمیدسی در منطقه یک شهر اصفهان مطالعه می شود. نتایج نشان داد براساس معیارهای نیکویی برازش و نمودار Q-Q plot، تابع مفصل فرانک بین دومتغیر مصرف­ ماهانه ­آب و فشار شبکه برای این منطقه به عنوان تابع برتر با پارامتر مدل ۰۲/۲- انتخاب شد و در بخش سه ­متغیره، تابع مفصل گامبل با پارامترهای ۱، ۰۵/۱ و ۱ برای تمامی حالات انتخاب شد. با استفاده از توابع کوپلای برتر، توابع توزیع تجمعی شرطی دومتغیره و دوره­ بازگشت­های عطفی، فصلی و شرطی برای پیش­بینی مصرف آب مورد تجزیه و تحلیل قرارگرفتند که می­توان با توجه به دوره­بازگشت­های مشخص و اعداد به دست آمده، آن­ها را در برنامه ریزی های مدیریتی به کار برد. هم چنین لازم به ذکر است که تحلیل سه متغیره به دلیل نتایج همبستگی نامناسب مورد بررسی قرارنگرفت.

کلیدواژه ها:

تحلیل چند متغیره ، توابع مفصل ، دوره بازگشت ، شبکه های توزیع آب شهری

نویسندگان

محمدحسین کیخسروی

دانش آموخته کارشناسی ارشد مهندسی و مدیریت منابع آب، دانشکده مهندسی عمران، دانشگاه صنعتی اصفهان، اصفهان، ایران.

حمیدرضا صفوی

استاد دانشکده مهندسی عمران، دانشگاه صنعتی اصفهان، اصفهان، ایران.

محمد حسین گل محمدی

استادیار دانشکده مهندسی عمران، دانشگاه صنعتی اصفهان، اصفهان، ایران.

محمد هیثم کلاهو

دانش ‎آموخته کارشناسی ارشد مهندسی و مدیریت منابع آب، دانشکده مهندسی عمران، دانشگاه صنعتی اصفهان، اصفهان، 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 :
  • نمایه اقلیمی اصفهان، (۱۳۹۴)، برگرفته از مجله اداره کل هواشناسی ...
  • تابش، م.، گوشه، س.، و یزدان پناه، م.ج.، (۱۳۸۳)، "ارائه ...
  • جزءقاسمی، ع.، و نوروزی، ز.، (۱۳۹۹)، "پیش­بینی تقاضای آب شرب ...
  • صفوی، ح. ر.، (۱۳۹۹)، هیدرولوژی مهندسی، چاپ پنجم، انتشارات ارکان ...
  • علیزاده، ا.، (۱۳۸۸)،­ اصول هیدرولوژی کاربردی، چاپ بیست و پنجم، ...
  • ملاباشی، آ.، علیان، ت.، و روشنی، س.، (۱۳۸۸)، "بررسی تغییرات ...
  • منزوی، م. ت.، (۱۳۸۷)، آبرسانی شهری، انتشارات دانشگاه تهران، ایران ...
  • Fontanazza, C.M., Notaro, V., Puleo, V., and Freni, G., (۲۰۱۴), ...
  • Genest, C., Ghoudi, K., and Rivest, L.P., (۱۹۹۸), "Understanding relationships ...
  • Herrera, M., Torgo, L., Izquierdo, J., and Perez-Garcia, R., (۲۰۱۰), ...
  • Joe, H., (۱۹۹۷), Multivariate models and multivariate dependence concepts, CRC ...
  • Nelsen, R.B., (۲۰۰۶), An introduction to copulas, Springer, New York, ...
  • Saad, C., El Adlouni, S., St-Hilaire, A., and Gachon, P., ...
  • Salvadori, G., and De Michele, C., (۲۰۰۷), "On the use ...
  • She, D., and Xia, J., (۲۰۱۸), "Copulas-based drought characteristics analysis ...
  • Shiau, J.T., (۲۰۰۶), "Fitting drought duration and severity with two-dimensional ...
  • Shuang, Q., and Zhao, R.T., (۲۰۲۱), "Water demand prediction using ...
  • Zhang, J., Lio, X., and Guo, B., (۲۰۱۶), " Multivariate ...
  • Zhang, L., and Singh, V.P., (۲۰۰۷), "Trivariate flood frequency analysis ...
  • Zhang, L., and Singh, V.P., (۲۰۱۹), Copulas and their applications ...
  • Zubaidi, S.L., Gharghan, S.K., Dooley, J., Alkhaddar, R.M., and Abdellatif, ...
  • نمایش کامل مراجع