كارايي روش هاي مختلف آناليز آماري در تخمين مولفه-هاي آب نمود واحد مصنوعي آبخيزهاي شمال كشور

Capability of Various Statistical Analyses in Estimation of Unit Hydrograph Components for Northern Watersheds of Iran

تحقيق حاضر درصدد مقايسه روش هاي مختلف تجزيه و تحليل آماري و انتخاب بهترين روش جهت دستيابي به مدل بين مولفه هاي آب نمود واحد با استفاده از خصوصيات فيزيكي حوزه در آبخيزهاي شمال كشور با مساحت 177000 كيلومتر مربع در استان هاي گيلان، مازندران و گلستان مي باشد. براي انجام اين تحقيق 9 ويژگي حوزه و همچنين 8 ويژگي از مولفه هاي آب نمود واحد براي 44 رگبار در منطقه شمال كشور در نظر گرفته شد. آزمون رگرسيون به روش دومتغيره و به شكل هاي مختلف خطي، لگاريتمي، معكوس، درجه دوم، درجه سوم، نمايي، تواني، تركيبي، مدل هاي منحني رشد و S و چند متغيره به دو روش گام به گام و پسرو پس از اجراي روش تجزيه و تحليل عاملي انجام شد. سپس مدل هاي به دست آمده، به كمك سه معيار خطاي نسبي، مجذور ميانگين مربعات خطا و ضريب كارايي مورد ارزيابي قرار گرفتند. بررسي نتايج به دست آمده نشان داد كه دقت مدل هاي دو متغيره در برآورد مقادير بيشتر بوده و اين موضوع در مورد متغيرهاي زماني (زمان پايه، زمان تا اوج و زمان تا خشكيدگي) به وضوح تاييد شده و دقت رگرسيون چند متغيره در برآورد دبي زياد بوده و از بين روش هاي چند متغيره روش پسرو از دقت بالاتري برخوردار بوده است.

The present research aimed to compare different methods of statistical analysis and to select the best method for achievement to the model among components of synthetic unit hydrograph by using of the physical characteristics of catchments, in northern catchments of Iran, with the area of 177000 km2 in Giulan, Mazandaran and Golestan Provinces. For execution of the research, 9 physical characteristics of catchment and 8 characteristics of unit hydrograph components for 44 storms in the north parts of Iran have been chosen. Regression test by using bivariate approach and various forms such as linear, logarithmic, inverse, quadratic, cubic, exponential, power and combined forms has been used after execution of factorial analysis. The obtained models were evaluated by relative errors, RMSE and efficiency coefficient. Results showed that the bivariate models have more accuracy in estimation of the amounts especially in the case of temporal variables (base time, time to peak, time to depletion). Regression of several variables has high accuracy in estimation of discharge and recursion regression of several variables has the highest accuracy.