نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشکده مهندسی آب، دانشگاه شهید چمران اهواز

2 دانشکده فنی و مهندسی، دانشگاه شهید چمران اهواز

3 دانشکده علوم ریاضی و کامپیوتر، دانشگاه شهید چمران اهواز

چکیده

     در روش‌های مرسوم تحلیل فراوانی سیلاب تنها متغیر دبی اوج سیلاب مد نظر قرار می‌گیرد و فرض می‌شود که متغیر مورد بررسی از توابع توزیع پارامتری خاصی تبعیت می‌کند. این فرضیه‌ها محدود کننده هستند و منجر به دستیابی به اطلاعات محدود در زمینه ریسک سیلاب می‌شوند. یک رویداد سیلاب دارای سه متغیر دبی اوج، حجم و تداوم سیلاب می‌باشد بطوری که این متغیرها در طبیعت تصادفی بوده و بین دو متغیر همبستگی وجود دارد. در این تحقیق از توابع مفصل برای مدل بندی ساختار همبستگی و همچنین برآورد توزیع احتمال توام متغیرهای سیلاب در ایستگاه هیدرومتری اهواز بر روی رودخانه کارون استفاده گردید. با در نظر گرفتن توابع توزیع حاشیه­ای سیلاب از خانواده های توزیع‌های پارامتری و ناپارامتری، سه مفصل مناسب از کلاس ارشمیدسی، یعنی خانواده های کوک-جانسون، علی-میکائیل-حق و گامبل-هوگارد برای مدل سازی ریاضی دو متغیره سیلاب استفاده شد. بر اساس معیارهای نکویی برازش مفصل خانواده گامبل-هوگارد منجر به بهترین نتیجه در مدل سازی ترکیب‌های مختلف متغیرهای سیلاب شد. با استفاده از مفصل منتخب توابع توزیع تجمعی شرطی و نیز دوره های بازگشت توام متغیرهای سیلاب برآورد گردید که موجب بهبود در برآورد ریسک سیلاب گردید.  

کلیدواژه‌ها

عنوان مقاله [English]

Bivariate Flood Frequency Analysis Using the Copula Functions

نویسندگان [English]

  • meysam salari 1
  • Ali Mohammad Akhond Ali 1
  • Arash Adib 2
  • Ali Reza Dneshkhah 3

چکیده [English]

     In the conventional methods of flood frequency analysis, the flood peak variable is just considered and assumed that this variable follows some specific parametric distribution function. This assumption would restrict us and lead us to the limited available information to evaluate the flood risk. It is well known that a flood event has three variables of flood peak, volume and duration which are random in nature and are mutually dependent. In this research, the concept of the Copula function is briefly introduced and then used to modeling the dependency structure of the flood variables of the Karun River at the Ahvaz hydrometric stationand then estimate their joint probability distribution. We use three well-known and appropriate copulas, including Ali–Mikhail–Haq, Cook–Johnson and Gumbel–Hougaard which belong to the Archimedean class of copulas, to modeling the joint probability distribution of the flood variables, where the marginal distributions of the flood’s variables are selected from the parametric and non-parametric distributions. The Gumbel–Hougaard family led to better modeling of different combination of flood’s variables based on goodness of fit criteria. The selected copula is used to estimate conditional cumulative distribution function and joint return periods which lead to better estimation of flood risk.

کلیدواژه‌ها [English]

  • Copula functions
  • marginal distribution
  • Joint probability distribution
  • Joint return period
  • Conditional cumulative distribution function