مقايسه روش‌هاي مختلف رگرسيون آماري در برآورد بار رسوب معلق درازمدت سالانه (مطالعه موردي: بابل‌رود)

Comparison of Statistical Methods for Long-Term Suspended Sediment Yield Estimation (Case Study: Babolrood River)

در پژوهش حاضر، با كلاسه‌بندي دبي و تفكيك زماني داده‌ها، چندين مدل رگرسيون آماري مورد بررسي قرار گرفت و با برقراري رابطه رگرسيوني بين داده‌هاي دبي جريان و دبي رسوب و شبيه‌سازي آن بر اساس روش حداقل مربعات خطا و طبق روش‌هاي USBR و FAO، منحني‌هاي سنجه رسوب به همراه تجزيه و تحليل آماري ارايه شد. مناسب‌ترين مدل بر اساس شاخص‌هاي آماري حداقل ميانگين مربعات خطا و ضريب تبيين انتخاب گرديد. هم چنين مقادير بار رسوب معلق درازمدت سالانه با تلفيق مدل‌هاي پيشنهادي و روش‌هاي دبي جريان نظير منحني تداوم جريان، دبي متوسط روزانه و دبي متوسط ماهانه برآورد شد. در اين راستا از آمار دبي جريان و غلظت رسوب اندازه‌گيري شده به صورت روزانه در طول يك دوره طولاني ‌مدت 23 ساله ايستگاه هيدرومتري قرآن تالار واقع بر رودخانه بابل‌رود استفاده شد. در نهايت تلفيق مدل حد وسط دسته‌ها به روش FAO با دبي متوسط روزانه به عنوان مدل مناسب معرفي گرديد.

In the present study, by classifying the flow rate and dividing the time series, some statistical regression models are investigated and with the establishment of regression relationship between observed flow rate versus sediment rate and simulate it according to the least square error and USBR and FAO methods, the sediment rating curves are presented with the its statistical analysis. Then, the most appropriate model is selected according to statistical indexes viz. mean square error and determination coefficient. Moreover, the value of long term suspended sediment yield are estimated by combination of the proposed models and the type of flow rate such as flow integrated curve, mean daily flow rate and mean monthly flow rate. In this case, the daily measuring flow rate and sediment concentration for 23 years at Ghoran Talar Hydrometric station located in Babolrood River is used. Finally, the combined mid classes model according to FAO method with mean daily flow rate have been recommended as a suitable model.