مدل‌هاي جمعي تعميم يافته جهت تحليل فراواني نا ايستاي سيل

The Generalized Additive Models for Non-stationary Flood Frequency Analysis

برآورد دبي طراحي به وسيله فرآيند تحليل فراواني با پيششرط كليدي ايستايي داده‌ها انجام مي‌گيرد. امروزه عواملي مانند تغيير كاربري، مديريت نامناسب و تغيير اقليم منجر شده است كه ماهيت ايستايي حداكثر دبي لحظه‌اي سيلاب‌ها تحت تأثير قرار گيرد. بنابراين چنانچه داده‌ها دچار عدم ايستايي شوند برآوردهاي حاصل از تحليل فراواني با فرض ايستايي غيرقابل اطمينان و داراي خطاي زيادي خواهد بود و خسارات و تلفات بسيار شديدي را ممكن است حادث شوند. از اينرو در پژوهش حاضر براي تحليل فراواني ناايستاي سيل ضمن معرفي روش‌هاي آماري و چشمي براي ارزيابي شرايط ايستايي داده‌ها، استفاده از مدل‌هاي تعميميافته جمعي براي پارامترهاي موقعيت، مقياس و شكل (GAMLSS) به منظور تحليل فراواني داده‌هاي ناايستا و برآورد چندك‌هاي طراحي در شرايط ناايستايي تشريح مي‌شود. بدين منظور شش ايستگاه هيدرومتري از استان‌هاي مختلف شمال كشور انتخاب شدند. پس از آن فرآيند تحليل فراواني با و بدون درنظر گرفتن پيشفرض ايستايي براي هر ايستگاه انجام شد. نتايج نشان داد كه در مدل‌هاي داراي روند براي پارامترها، هر دو پارامتر موقعيت و مقياس دچار ناايستايي به فرم خطي و حتي درجه دو شدهاند. از سوي ديگر نتايج نشان داد كه دبي طراحي برآورد شده در شرايط ناايستايي با روند‌ افزايشي تا سه برابر بيشتر از دبي طراحي برآورد شده با پيشفرض ايستايي در ايستگاه نوده‌خرمالو مي‌باشد. همچنين نتايج نشان داد كه در ايستگاه‌هايي كه روند ناايستايي افزايشي وجود دارد دوره‌ بازگشت سيلاب‌هاي بزرگ رو به كاهش است و براي دوره بازگشت‌هاي يكسان مقادير چندك‌هاي سيل رو به افزايش است.

Flood control and management is a fundamental issue for hydrology researchers and managers. Regarding the design and construct of different hydrologic structures such as reservoirs and dams as effective techniques for flood control, the appropriate estimation of the dimension and resilience of these structures needs correct estimation of the magnitude and return periods of flood for which the design flood in different return periods or probability level is applied. Design flood estimation is done through frequency analysis with the key stationary assumption. Nowadays the factors such as land use change, inappropriate management and climate change has influenced stationary conditions of flood peaks. Therefore, in the existence of non-stationary, the estimation based on stationary assumption is not confident and may have large errors. In this regard, this study for non-stationary flood frequency analysis the GAMLESS model for location, scale and shape parameter estimation as well as visual inspection of non-stationary are introduced and developed for quantile estimation in non-stationary conditions. Six hydrometery stations from different provinces in the North of Iran were selected. Frequency analysis with and without stationary assumptions was done for each station. Results indicated that location and scale parameters have trend with the linear and quadratic manner. In addition, results indicated that design flood estimated by non-stationary procedure has increased around 3 times higher than stationary estimation in Nodekhormalo station. Results also demonstrated that in a station with increasing non-stationary trend, return period of big floods is decreasing and for the same return periods, flood quantiles has increased.