این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی عمران مدرس، جلد ۱۴، شماره ۴، صفحات ۸۱-۹۲
عنوان فارسی تحلیل فراوانی چندمتغیره سیلاب با استفاده از تابع مفصل و توزیع‌های حاشیه‌ای پارامتری و ناپارامتری
چکیده فارسی مقاله  از آن‌جایی که سیلاب پدیده‌ای چندمتغیره است، اتخاذ رویکردهای چند متغیره در تحلیل آن ضروری است. روش سنتی انجام تحلیل‌های چندمتغیره، استفاده از توزیع‌های چندمتغیره کلاسیک با توابع حاشیه‌ای پارامتری است. این در حالی است که هم استفاده از توزیع‌های چندمتغیره کلاسیک و هم استفاده از توزیع‌های پارامتری با محدودیت‌های جدی مواجه است. از مهم‌ترین محدودیت‌‌های توزیع‌های چندمتغیره کلاسیک می‌توان به لزوم مشخص بودن توابع توزیع حاشیه‌ای و پارامترهای آنها و یکسان بودن توابع توزیع حاشیه‌ای اشاره کرد. همچنین در استفاده از توزیع‌های پارامتری برای متغیرهای حاشیه‌ای از یک توزیع‌ پیش‌فرض برای تفسیر توزیع داده‌ها استفاده می‌شود، در حالی که ممکن است توزیع فرض شده به‌خوبی توزیع واقعی داده‌ها را توصیف نکند. در مقاله حاضر تحلیل‌های توأم متغیرهای سیلاب با استفاده از توابع مفصل که محدودیت توزیع‌های چندمتغیره کلاسیک را ندارند انجام گرفته، به‌‌گونه‌ای که توزیع‌های حاشیه‌ای از میان توزیع‌های پارامتری و توزیع‌های ناپارامتری که بی‌نیاز از برآورد تعدادی پارامتر است برگزیده شده‌اند. واژگان‌کلیدی-تحلیل فراوانی سیلاب، دوره بازگشت‌ توأم، تابع مفصل، توزیع ناپارامتری
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Multivariate Flood Frequency Analysis Using Copula with Parametric and Nonparametric Marginal Distribution Function
چکیده انگلیسی مقاله Many variables under study in hydrology are continuous and random; hence, it necessitates using probability and statistics sciences to study them. In a specific classification, variables are categorized to be either explanatory or response variable. An explanatory variable is defined as a variable which explains or predicts changes in the value of another variable, while a response variable is a variable whose prediction of its changes is desired under the effect of other variables. Due to the mentioned definition, a response variable may depend on one or more explanatory variables. Therefore, in the first case the response variable is intrinsically univariate and in the second case is intrinsically multivariate. If it is known that a hydrological response variable is intrinsically multivariate, multivariate statistical approaches must be employed, especially in the case of dependency among explanatory variables, because it has been widely warned that implementing univariate statistical approaches may result in over/under estimations. According to the fact that flood is an intrinsically multivariate event, it is essential to employ multivariate approaches to analyze it. The most important characteristics of flood are peak discharge, volume and duration. A traditional approach in multivariate analyses is to use classical multivariate distribution functions with parametric marginal distribution functions. However, both classical multivariate distribution functions and parametric distribution functions face substantial limitations. Among the limitations attributed to classical multivariate distribution functions, one may refer to the necessity of identifying marginal distribution functions and their parameters and equality of the kind of marginal distribution functions as the most important limitations. Also in the use of parametric distribution functions for marginal variables, an assumed distribution function is used to describe the distribution of data, while perhaps the assumed distribution function does not accurately describe the real distribution of data. The aim of this article is to establish joint distributions of different combinations of flood characteristics and corresponding return periods. Hence, firstly marginal distribution functions are chosen among parametric distribution functions and non-parametric distribution functions, which are not restricted to estimation of some parameters. Then joint analyses of flood variables are performed using copulas, which do not confront limitations of classical multivariate distributions. Finally, having found and appropriate copula for each combination of flood characteristics, joint return periods are calculated and contour plot of joint return periods are plotted. Joint return periods of flood characteristics can be used by water resources decision makers and engineers as a hydraulic design criterion and provide useful information for risk analysis. In this article, joint analyses of flood variables are performed using copulas, which do not confront limitations of classical multivariate distributions, such that marginal distribution functions are chosen among parametric distribution functions and non-parametric distribution functions, which are not restricted to estimation of some parameters. It should be mentioned that the R language has been utilized as the primary tool in order to perform calculations and draw diagrams. Keywords: Flood Frequency Analysis, Joint Return Periods, Copula, Non-parametric distribution
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمدصادق عباسیان | mohammad sadegh
دانشجوی کارشناسی ارشد دانشگاه صنعتی شریف
سازمان اصلی تایید شده: دانشگاه صنعتی شریف (Sharif university of technology)

سهیل جلالی |
دانشجوی کارشناسی ارشد دانشگاه شهیدبهشتی- پردیس فنی مهندسی شهیدعباسپور
سازمان اصلی تایید شده: دانشگاه شهید بهشتی (Shahid beheshti university)

سیدسعید موسوی ندوشنی | s s mousavi nadoushani
استادیار دانشگاه شهیدبهشتی- پردیس فنی مهندسی شهیدعباسپور
سازمان اصلی تایید شده: دانشگاه شهید بهشتی (Shahid beheshti university)

نشانی اینترنتی http://mcej.modares.ac.ir/article_12364_d1beeaa5fd1bde44920614d9dfd00a4a.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1242/article-1242-225446.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات