ارزیابی کیفی تراکم ایستگاه های هیدرومتری استان کرمانشاه با استفاده از روش آنتروپی گسسته
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 125
فایل این مقاله در 11 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_JWMS-16-58_002
تاریخ نمایه سازی: 3 دی 1402
چکیده مقاله:
پایش پارامترهای کیفی رودخانه در مدیریت منابع آب سطحی از اهمیت ویژه ای برخوردار است. یکی از روش های موثر در این زمینه تئوری آنتروپی است که در طراحی شبکه پایش کیفی قابلیت بسیار خوبی دارد. در این پژوهش از تئوری آنتروپی گسسته به منظور ارزیابی کیفی در فرکانس های زمانی و مکانی شبکه ایستگاه های هیدرومتری استان کرمانشاه با ۱۶ ایستگاه و دوره آماری مشترک ۲۹ساله استفاده گردید. میزان انتقال اطلاعات را بین هر ایستگاه و تمام ایستگاه های دیگر به طور دوبه دو محاسبه تا پوشش اطلاعاتی بین ایستگاه های شبکه مشخص شود. نتایج نشان داد که ایستگاه باوله در حوزه آبخیز سنقر با بیش ترین مقدار در رتبه دهی آنتروپی مرزی، کارآمدترین ایستگاه شبکه از نظر پتانسیل دادن اطلاعات است. ایستگاه های پیرسلمان، قورباغستان، دو آب مرگ و خرس آباد نیز از نظر پتانسیل گرفتن اطلاعات در وضعیت خوبی بوده، اما ایستگاه توتشامی در وضعیت نامناسبی قرار گرفته است. ایستگاه های پل چهر، بیار، سرپل ذهاب و پل جاده کمیش از نظر پتانسیل دادن اطلاعات وضعیت ضعیفی داشته و ایستگاه های پل چهر، پل جاده کمیش و بیار از نظر شاخص های کیفی مناسب نبوده و پوشش اطلاعاتی متغیرهای کیفی تقریبا در تمامی ایستگاه های حوزه آبخیز ضعیف می باشد. شاخص انتقال اطلاعات در سرتاسر محدوده مطالعه دچار کمبود بوده و لزوم بازنگری در شبکه وجود دارد.
کلیدواژه ها:
نویسندگان
محمد جوهری پور
Graduated student, Department of Water Engineering, Faculty of science and agricultural engineering, Razi University, Iran
علی بافکار
Assistant Professor, Department of Water Engineering, Faculty of science and agricultural engineering, Razi University, Iran. Email: alibafkar@yahoo.com
مریم حافظ پرست
Assistant Professor, Department of Water Engineering, Faculty of science and agricultural engineering, Razi University, Iran
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 :