ثقفیان, بهرام, محمدی, سامان, قرمزچشمه, باقر. (1388). برآورد جریانهای کم در نقاط فاقد ایستگاه هیدرومتری با استفاده از مدل رگرسیونی چند متغیره. سامانه مدیریت نشریات علمی, 1(1), 32-45.
بهرام ثقفیان; سامان محمدی; باقر قرمزچشمه. "برآورد جریانهای کم در نقاط فاقد ایستگاه هیدرومتری با استفاده از مدل رگرسیونی چند متغیره". سامانه مدیریت نشریات علمی, 1, 1, 1388, 32-45.
ثقفیان, بهرام, محمدی, سامان, قرمزچشمه, باقر. (1388). 'برآورد جریانهای کم در نقاط فاقد ایستگاه هیدرومتری با استفاده از مدل رگرسیونی چند متغیره', سامانه مدیریت نشریات علمی, 1(1), pp. 32-45.
ثقفیان, بهرام, محمدی, سامان, قرمزچشمه, باقر. برآورد جریانهای کم در نقاط فاقد ایستگاه هیدرومتری با استفاده از مدل رگرسیونی چند متغیره. سامانه مدیریت نشریات علمی, 1388; 1(1): 32-45.
برآورد جریانهای کم در نقاط فاقد ایستگاه هیدرومتری با استفاده از مدل رگرسیونی چند متغیره
محاسبه ویژگیهای جریان کم در طراحی دبی سازههای انحراف آب، تأمین آب نیروگاههای برق آبی، تعیین آستانه کیفیت آب در رودخانهها، برآورد بار مجاز برای دفع فاضلاب، تأمین آب شهری و صنعتی بسیار مهم است. تحلیل جریانهای کم با تداومها و دوره بازگشتهای مختلف و استخراج روابط منطقهای حاصل به منظور برآورد جریانهای کم در نقاط فاقد ایستگاه هیدرومتری استان گیلان،هدف اصلی این مقاله است.این تحقیق در محدوده حوضههای بالادست استان گیلان با 35 ایستگاه هیدرومتری با آمار دبی روزانه نسبتا طولانی مدت صورت گرفت.پس از انتخاب دوره آماری مشترک و بازسازی دادهها، حداقل جریان ایستگاهها با تداومهای 10، 30، 60، 90 و 180 روزه برآورد گردید. با استفاده از تحلیل فراوانی و مقایسه توزیعهای مختلف، توزیع آماری لوگ پیرسون تیپ 3 برای تداومهای بالای 60 روز و توزیع آماری لوگ نرمال برای تداومهای کمتر از 60 روز، مناسبترین توزیعها تشخیص داده شدند. سپس،جریانهای کم با دوره بازگشتهای دو، پنج، 10، 25، 50، 100 و 200 ساله محاسبه گردید.از طرف دیگر با استخراج پارامترهای مؤثر بر جریانهای کم و با استفاده از تحلیل عاملی و همبستگی مشخصات فیزیکی حوضه با مقادیر جریانهای کم، پنج پارامتر مساحت حوضه، متوسط بارش سالانه، شیب حوضه، ارتفاع متوسط و تراکم زهکشی بهعنوان پارامترهای مستقل شناخته شدند. سپس به وسیله تحلیل خوشهای حوضههای منطقه به دو گروه همگن تقسیم گردید. پساز تعیین حوضههای همگن با استفاده از رگرسیون گام به گام،به ترتیب مساحت حوضه، بارش متوسط سالانه و شیب حوضه به عنوان مؤثرترین پارامترها در تخمین جریانهای کم شناسایی شدند . با درنظر گرفتن مقادیر جریان کم با تداوم و دوره بازگشتهای مختلف، مدلهای ریاضی منطقهای چند متغیره برآورد جریانهای کم استخراج شدند.
Estimation of low flows in un-gauged location using multivariate regression model
نویسندگان [English]
Bahram Saghafian1؛ Saman Mohammadi2؛ Baghe Ghermezchshme3
1Professor, Soil Conservation and Watershed Management Research Institute, Iran
2MSc, Soil Conservation and Watershed Management Research Institute, Iran
3MSc, Soil Conservation and Watershed Management Research Institute, Iran
چکیده [English]
Calculating low flow characteristics is very important for planning of water diversions; providing water for hydropower, water quality threshold in streams, water supply for cities and industries and estimate of sewerage discharge threshold. The objective of this research is analyzing low flow with different duration and return periods and extracting low flow regional models for locations without hydrometric station. This research was carried out in Gilan province where 35 hydrometric stations with long-term and reliable daily discharge data were selected. Low flows of durations 10, 30, 60, 90 and 180 days were estimated. Using frequency analysis, several statistical distributions were examined and log Parson Type 3 was found the best distribution for flow duration over 60 days and log normal best fitted flow durations shorter than 60 days. Then low flows of different return periods including 2, 5, 10, 25, 50, 100 and 200 year were calculated. Independent factors were identified using factor analysis that included basin area, mean annual rainfall, slope, average elevation, and drainage density. Cluster analysis divided the basins in two homogeneous regions. In each homogeneous region, multivariate regression through step-by-step method determined basin area, mean annual rainfall and slope as independent influential parameters in low flow regional models. Regional models were extracted for low flow with various durations and return periods.