مقايسه تبديل هاي نرمال ساز جهت نرمال كردن داده هاي بارندگي ماهانه مناطق مختلف ايران

Compared to The Normal Mechanism Becomes The Normal Monthly Rainfall Data from Different Regions of Iran

در كاربرد تيوري هاي آماري و احتمالي در تحليل سري هاي زماني هيدرولوژيكي فرض بر اين است كه متغيرها داراي توزيع نرمال هستند. از آن جا كه بسياري از سري هاي زماني نرمال نبوده، لذا نياز است قبل از هر گونه تحليل و مدل سازي، آنها را نرمال كرد. اين كار توسط توابع تبديل صورت مي گيرد. در اين مطالعه با استفاده از 12 تابع تبديل نرمال رايج، داده هاي ميانگين بارندگي ماهانه مناطق مختلف ايران تبديل به داده هاي با توزيع نرمال شد و با استفاده از آزمون ضريب چولگي، توابع برتر در هر منطقه آب و هوايي ايران انتخاب شد. سپس توابع تبديل منتخب با استفاده از دو آزمون شاپيرو-ويلك و كي دو تاييد گرديد. نتايج نشان داد كه داده هاي مورد استفاده در مناطق گرم و خشك با تبديل جذر، به شكل مناسبي نرمال مي شوند و در مورد بقيه مناطق آب و هوايي با احتمال مي توان تبديل يو – جانسون را براي مناطق گرم و مرطوب و تبديل معكوس را براي مناطق معتدل انتخاب كرد

The application of statistical theory and probability analysis of hydrologic time series is assumed that the variables are normally distributed. Since many time series are not normal, it is required prior to any analysis and modeling, they looked normal. This conversion is done by Const. In this study, using 12 common function to convert the normalized data, the average monthly rainfall in different regions of Iran into the data were normally distributed and the skewness coefficient, superior functions in each climate zone was Iran. The results showed that the data used in hot and dry regions with a square, as well as normal and the rest of the climate zones are likely to become a tropical area, Johnson and temperate regions selected for the inverse transform.