عنوان مقاله :
مقايسه روش هاي كاپيولا و خودرگرسيون ميانگين متحرك فصلي در مدل سازي جريان رودخانه هيرمند
عنوان فرعي :
Comparison Copula and Seasonal Auto Regressive Moving Average Methods in Helmand River Flow Modeling
پديد آورندگان :
كيخا، احمدعلي نويسنده دانش آموخته دانشگاه سيستان و بلوچستان , , مسنن مظفري، مهديه نويسنده دانشگاه فردوسي مشهد , , صبوحي، محمود نويسنده Sabuhi, M , سلطاني، غلامرضا نويسنده ,
اطلاعات موجودي :
دو ماهنامه سال 1393 شماره 0
كليدواژه :
پيش بيني , شبيه سازي , مديريت منابع آب , همبستگي
چكيده فارسي :
مدل سازي جريان رودخانه در برنامه ريزي و مديريت منابع آب از اهميت ويژه اي برخوردار است. با اين وجود، ايجاد داده هايي كه بتواند شباهت زيادي با داده هاي حقيقي داشته باشد، به دليل اندك بودن داده هاي جريان رودخانه و وابستگي و همبستگي ماهانه و سالانه آنها، كاري مشكل و پيچيده است. در اين مطالعه از آمار 50 ساله و دو روش خودرگرسيون ميانگين متحرك فصلي و كاپيولاهاي (مفصل هاي) فرانك و كليتون كه به ترتيبروشهاي پيش بيني و شبيه سازي در مدل سازي جريان رودخانه هستند، براي ايجاد داده هاي جريان رودخانه هيرمند استفاده شد. نتايج نشان داد، داده هاي بازسازيشده در روش خودرگرسيون ميانگين متحرك مقادير كم جريان رودخانه را به خوبي پيش بيني مي كنند، ولي از همبستگي دادههاي تاريخي برخوردار نبوده و حداكثر جريان رودخانه را كمتر از حد واقعي نشان مي دهند. از طرف ديگر، كاپيولا همبستگي داده هاي جريان رودخانه را حفظ كرده و مقاديري مشابه داده هاي واقعي ايجاد مي كند. همچنين مقدار ريشه ميانگين مربع خطا در روش كاپيولا 3/0 بوده كه كمتر از روش ميانگين متحرك (4/0) است. لذا مي توان گفت، كاپيولا روش مناسبي براي مدل سازي جريان رودخانه هيرمند است.
چكيده لاتين :
River flow modeling has special importance in water resources management. Since the actual river flow data are often low and they correlate and depend yearly and monthly, making the data similar to historical data is so difficult and complex. In this study, 50 year data and Seasonal Auto Regressive Moving Average (SARMA) and Clayton and Frank Copulas which are the prediction and simulation methods of the river flow molding, were used to generate random flow data of Helmand River. Results show, SARMA model forecasts minimum river flow data very good, but the generated data hasn’t correlation of historical data and usually the maximum river flow is greater than real data. Otherwise, Copula preserved concordance of real data and make the data that are similar to real river flow. Also Root Mean Square Error of Copula method was 0.3 that is was less than SARMA method (0.4). Therefore Copulas are good methods for Helmand river flow modeling.
اطلاعات موجودي :
دوماهنامه با شماره پیاپی 0 سال 1393
كلمات كليدي :
#تست#آزمون###امتحان