شبيه سازي بارندگي ماهانه و سالانه در مناطق با طول دوره آماري كم و ضريب تغييرات بالا (مطالعه موردي: جنوب شرق درگز)

Simulation of annual and monthly rainfall with short-term statistical period and high coefficient of variation (Case study: East-West of Dargaz)

چكيده 1 بهره برداري از سيستم هاي منابع آب مستلزم مقادير بارندگي به عنوان يكي از ورودي هاي سيستم مخزن سد مي باشد. چنان چه طول دوره بارندگي تاريخي كوتاه باشد با استفاده از توليد مصنوعي بارندگي مي توان مبادرت به ايجاد توالي استوكاستيكي با طول دوره آماري بلندمدت نمود . اين مقاله رويكردي است به شبيه سازي استوكاستيكي توالي هاي سالانه و ماهانه بارندگي كه سعي در ايجاد مقاديري با وابستگي هاي طولاني مدت آماري و توابع توزيعي مشابه مقادير تاريخي دارد . بارندگي ماهانه و سالانه در ايستگاه درگز به عنوان ايستگاه باران سنجي سد ايلانجق واقع در خراسان شمالي با طول دوره آماري 15 سال ، با استفاده از مدل هاي استوكاستيكي به طور مناسبي شبيه سازي شده است . فرآيند ماركف مرتبه اول براي تو ليد جريان سالانه استفاده شده در حالي كه از روش فرگمنت براي توليد بارندگي ماهانه استفاده شده است . مقايسه ويژگي هاي آماري مقادير شبيه سازي شده و مقادير تاريخي و مشابهت هاي آماري در هر دو مدل ماهانه و سالانه نسبت به مقادير تاريخي درستي مدل توليد سالانه و ماهانه بارندگي را تاييد مي كند. با توجه به شرايط موجود در مساله (طول دوره آماري كوتاه و ضريب تغييرات بالا )، روش فرگمنت نتايح خوبي را در اين مطالعه نشان م ي دهد كه مي تواند برتري استفاده اين روش را در شرايط نامطلوب تاييد كند. واژه هاي كليدي: شبيه سازي بارندگي، مدل ماهانه، روش فرگمنت، مدل سالانه، ماركف مرتبه اول

Abstract1 In the operation of water resources system, adequate continuous rainfall data are required as inputs into the reservoirs. If historical records are limited, they are extended by generating synthetic rainfall sequences with longer records. Stochastic monthly and annual rainfall sequences simulation is considered in this paper which tries to generate data with long-term dependence and preserve historical records distribution function. Annual and monthly rainfalls for Dargaz station with 15 years records as representative rainfall station for Illanjogh dam in the north of Khorasan province were satisfactorily simulated by stochastic models. A first-order Markov process is used for annual data, whereas the method of fragment is used for monthly data. Comparison of the simulated, and historical data, and statistical similarity of the annual and monthly models compared with the historical one, confirmed the correct performance of the annual and monthly rainfall production model. Considering present conditions in this problem (short- term statistical period of rainfall with high coefficient of variation) showed that fragment method took an acceptable result such that could confirm the advantage of its usage in undesirable conditions. Keywords: Rainfall simulation, Monthly model, Fragment, Annual model, Firstorder Markov process