پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,502 |
| تعداد مشاهده مقاله | 124,119,132 |
| تعداد دریافت فایل اصل مقاله | 97,225,429 |
کاربرد توابع مفصل ارشمیدسی در تحلیل فراوانی سیلاب (مطالعه موردی: حوضه آبریز دز) | ||
| تحقیقات آب و خاک ایران | ||
| مقاله 2، دوره 48، شماره 3، مهر 1396، صفحه 477-489 اصل مقاله (655.98 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2017.217805.667551 | ||
| نویسندگان | ||
| فرشاد احمدی* 1؛ فریدون رادمنش2؛ غلامعلی پرهام2؛ رسول میرعباسی نجف آبادی3 | ||
| 1دانشگاه شهید چمران | ||
| 2دانشگاه شهید چمران اهواز | ||
| 3دانشگاه شهرکرد | ||
| چکیده | ||
| یکی از پدیدههای هیدرولوژیکی که ماهیت بسیار پیچیده داشته و در صورت رخداد خسارات فراوانی را ایجاد میکند، پدیده سیلاب میباشد. در این مطالعه تحلیل فراوانی سیلاب حوضه آبریز دز در محل اتصال دو ایستگاه سپید دشت- سزار (س. د. س) و سپید دشت- زاز (س. د. ز) در دوره آماری 1391-1335 با استفاده از توابع مفصل مورد بررسی قرار گرفت. بدین منظور در ابتدا سریهای جزئی سیلاب در ایستگاههای مورد مطالعه با استفاده از روش مالمود و توکارت استخراج گردید. در مرحله بعد 11 تابع توزیع مختلف به سریهای سیلاب استخراجی برازش داده شد و در نهایت توزیع‌های لجستیک تعمیم یافته (ایستگاه س. د. س) و تابع توزیع حدی تعمیم یافته (س. د. ز) به عنوان توزیع حاشیهای مناسب انتخاب گردید. پس از انتخاب توزیع حاشیهای، از توابع مفصل خانواده ارشمیدسی (شامل مفصلهای علی- میخائیل- حق، فرانک و کلایتون) برای تحلیل فراوانی توام سیلاب حوضه آبریز دز استفاده شد. نتایج نشان داد که مفصل فرانک برای جفت دادههای ایستگاههای سپید دشت- سزار و سپید دشت- زاز بیشترین تطابق را با تابع مفصل تجربی داشته است. برای بررسی دوره بازگشت وقایع در حالت توأم، از دوره بازگشت توأم در دو حالت «یا» و «و» و دوره بازگشت توأم شرطی استفاده شد. براساس نتایج به دست آمده از تحلیل توام سریهای سیلاب دو سرشاخه متصل به هم مشخص شد که دو رودخانه سپید دشت سزار و سپید دشت زاز هر 70 سال یک‌بار به صورت همزمان میتواند در معرض سیلاب شدید قرار گیرند. | ||
| کلیدواژه‌ها | ||
| آزمون ایستایی؛ تابع مفصل؛ توزیع حاشیهای؛ سری جزئی؛ قانون توانی | ||
| عنوان مقاله [English] | ||
| Application of Archimedean Copula Functions in Flood Frequency Analysis (Case Study: Dez Basin) | ||
| نویسندگان [English] | ||
| Farshad Ahmadi1؛ Feridon Radmaneh2؛ Gholamali Parham2؛ Rasoul Mirabbasi najafabadi3 | ||
| 1Shahid Chamran University of Ahwaz | ||
| 3University of Shahrekord | ||
| چکیده [English] | ||
| Most of hydrological phenomena have a stochastic and probabilistic nature and the relationship governing on these phenomena are almost unknown and ambiguous. Therefore, the theories of statistic and probability apply for describing and forecasting of such phenomena. One of the hydrological phenomena which have a complicated nature and causes too much damage is the flood. In the present study, flood frequency analysis in the Dez basin at the junction of two hydrometric stations of Sepid Dasht Sezar (SDS) and Sepid Dasht Zaz (SDZ) was performed during the period of 1957-2012 using the copula functions. The copula is a function which joint the univariate marginal distribution to form a bivariate or multivariate distribution function. For this purpose, first the partial series of flood at studied stations were extracted using the Malmoud-Tookart method. In the next step, 11 different distribution functions were fitted on the extracted flood series and the Generalized Logistic (SDS station) and Generalized Extreme Value (SDZ station) distribution functions were selected as the best fitted ones. After selecting the suitable marginal distributions, some of Archimedean copula functions (Ali - Mikhail – Haq, Frank and Clayton) were used for joint flood frequency analysis in Dez basin. Results showed that the Frank copula had the highest match with empirical copula for paired flood data of SDS and SDZ stations. For investigating the return period of events the joint return periods in two states “AND” and “OR” and also the conditional return period were considered. Based on the results obtained from joint analysis of flood series in two river branches, it was found that the severe flood events may occur simultaneously at SDS and SDZ River branches every 70 years. | ||
| کلیدواژه‌ها [English] | ||
| Stationarity test, Copula function, Marginal distribution, Partial series, Power law | ||
| مراجع | ||
|
Abdi, A. Hassanzadeh, Y. Talatahari, S. Fakheri-Fard, A. & Mirabbasi, R. (2016). Regional bivariate modeling of droughts using L-comoments and copulas. Stochastic Environmental Research and Risk Assessment, DOI: 10.1007/s00477-016-1222-x. Adamowski, K. (2000). Regional analysis of annual maximum and partial duration flood data by nonparametric and L-moment methods. 229(3), 219-231. Dastoorani, M. Hayatzadeh, M. Fathzadeh, A. Hakimzadeh, M. (2014). Review the Efficiency of Empirical Relations on Estimating the Peak Flow Rate of Flood in Arid Areas of Central Iran. Geography and Development Iranian Journal, 12(36), 145-160. De Michele, C. and Salvadori, G. (2003). A generalized Pareto intensity‐duration model of storm rainfall exploiting 2‐copulas. Journal of Geophysical Research: Atmospheres, 108(D2). De Michele, C. Salvadori, G. Canossi, M. Petaccia, A. & Rosso, R. (2005). Bivariate statistical approach to check adequacy of dam spillway. Journal of Hydrologic Engineering, 10(1), 50-57. Hamed, K. & Rao, A. R. (1999). Flood frequency analysis. CRC press. Hosking, J. R. M. & Wallis, J. R. (1988). The effect of intersite dependence on regional flood frequency analysis. Water Resources Research, 24(4), 588-600. Joe, H. (1997). Multivariate models and multivariate dependence concepts. London: Chapman & Hall, 399 pp. Kumar, R. & Chatterjee, C. (2005). Regional flood frequency analysis using L-Moments for North Brahmaputra region of India. Journal of Hydrologic Engineering, 10(1), 1-7. Kumar, R. Goel, N. K. Chatterjee, C. & Nayak, P. C. (2015). Regional flood frequency analysis using soft computing techniques. Water Resources Management, 29(6), 1965-1978. Labat, D. Mangin, A. & Ababou, R. (2002). Rainfall–runoff relations for karstic springs: multifractal analyses. Journal of Hydrology, 256(3), 176-195. Rahimi, L. Dehghani, A. A. Abdolhosseini, M. & Ghorbani, K. (2014). Flood frequency analysis using archimedean copula functions based on annual maximum series (Case Study:Arazkuseh hydrometric station in Golestan province). Iranian Journal of Irrigation and Drainage, 2(8), 353-365. Malamud, B. D. & Turcotte, D. L. (2006). The applicability of power-law frequency statistics to floods. Journal of Hydrology, 322(1), 168-180. May, R. Zainol, Z. & Shukor, M. F. B. (2015). Flood Frequency Analysis Due to Climate Change Condition at the Upper Klang River Basin. In ISFRAM 2014 (pp. 271-281). Springer Singapore. Ming, X. Xu, W. Li, Y. Du, J. Liu, B. & Shi, P. (2015). Quantitative multi-hazard risk assessment with vulnerability surface and hazard joint return period. Stochastic environmental research and risk assessment, 29(1), 35-44. Nelsen. R. B. (2006). An introduction to copulas. Springer, New York, 269p. Nouri Gheidari, M. N. Danko, A. Shahraki, M. (2015). Application of Power Law in Flood Frequency Analysis of Sarbaz River. Journal of Water and Soil Science, 24(4), 45-59. Pandey, G. Lovejoy, S. & Schertzer, D. (1998). Multifractal analysis of daily river flows including extremes for basins of five to two million square kilometres, one day to 75 years. Journal of Hydrology, 208(1), 62-81. Saad, C. El Adlouni, S. St-Hilaire, A. & Gachon, P. (2015). A nested multivariate copula approach to hydrometeorological simulations of spring floods: the case of the Richelieu River (Québec, Canada) record flood. Stochastic Environmental Research and Risk Assessment, 29(1), 275-294. Salvadori, G. and De Michele, C. (2007). On the use of copulas in hydrology: theory and practice. Journal of Hydrologic Engineering, 12(4), 369-380. Sanikhani, H. Mirabbasi Najaf Abadi, R. & Dinpashoh, Y. (2014). Modeling of temperature and rainfall of tabriz using copulas. Journal of Irrigation and Water Engineering, 5(17), 123-134. (In Farsi). Shafaei, M. Fakheri-Fard, A. Dinpashoh, Y. Mirabbasi, R. & De Michele, C. (2016). Modeling flood event characteristics using D-vine structures. Theoretical and Applied Climatology, DOI: 10.1007/s00704-016-1911-x. Sklar A (1959) Fonctions de Repartition and Dimensions et LeursMarges. Publications de L’Institute de Statistique, Universite’ de Paris, Paris, 8: 229–231. Tessier, Y. Lovejoy, S. Hubert, P. Schertzer, D. & Pecknold, S. (1996). Multifractal analysis and modeling of rainfall and river flows and scaling, causal transfer functions. Journal of Geophysical Research: Atmospheres, 101(21), 26427-26440. White, C. J. (2007). The Use of Joint Probability Analysis to Predict Flood Frequency in Estuaries and Tidal Rivers, University of Southampton. Yue, S. & Rasmussen, P. (2002). Bivariate frequency analysis: discussion of some useful concepts in hydrological application. Hydrological Processes, 16(14), 2881-2898. Yue, S. Ouarda, T. B. M. J. & Bobée, B. (2001). A review of bivariate gamma distributions for hydrological application. Journal of Hydrology, 246(1), 1-18. Zhang, L. & Singh, V. P. (2006). Bivariate flood frequency analysis using the copula method. Journal of Hydrologic Engineering, 11(2), 150-164. Zhang, Q. Chen, Y. D. Chen, X. & Li, J. (2011). Copula-based analysis of hydrological extremes and implications of hydrological behaviors in the Pearl River basin, China. Journal of Hydrologic Engineering, 16(7), 598-607. | ||
|
آمار تعداد مشاهده مقاله: 939 تعداد دریافت فایل اصل مقاله: 1,749 |
||