استفاده از رویکرد چندمتغیره در تحلیل پدیده‌های هیدرولوژیک (مطالعه موردی: پدیده سیلاب در حوزه آبخیز سد بوستان، استان گلستان)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 گروه مهندسی آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

2 گروه مهندسی آب، دانشکده مهندسی آب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

چکیده

عدم لحاظ شدن اثر توأم متغیرهای وابسته در تحلیل فراوانی یک رویداد منجر به کم‌تخمینی یا بیش‌تخمینی خطر ناشی از رویداد می‌گردد. بنابراین باید در طراحی سازه‌های هیدرولیکی و مدیریت کنترل سیلاب، تحلیل به صورت چندمتغیره صورت گیرد. در این تحقیق به منظور انجام تحلیل فراوانی سیل، دو سری زمانی حداکثر سالانه یکی بر مبنای دبی و دیگری بر مبنای حجم به‌عنوان معیارهای حدی بودن در مقیاس زمانی روزانه استخراج گردید. بدین منظور یک سری 40 ساله از داده‌های رواناب ثبت شده در ایستگاه هیدرومتری تمر در بالادست سد بوستان مورد استفاده قرار گرفت. هم‌چنین از توابع مفصل به‌عنوان بهترین ابزار در تحلیل فراوانی چندمتغیره استفاده شد. نتایج نشان داد که مفصل فرانک و t-EV برازش بهتری به ترتیب برای سری‌های دبی و حجم داشتند. سپس براساس تابع مفصل منتخب، برای هر دو سری دبی و حجم، دوره بازگشت‌های دومتغیره، محاسبه گردید و مقادیر دوره بازگشت به‌دست آمده از توابع مفصل منتخب با دوره بازگشت یک‌متغیره مورد مقایسه قرار گرفت. برای رویدادی با مقادیر دبی و حجم به ترتیب برابر m3/s 272 و MCM38 در دوره بازگشت 100 سال در سری معیار حدی دبی، دوره بازگشت برای حالت توأم «و» 635 سال و برای حالت توأم «یا» 54 سال به‌دست آمد. در نتیجه می‌توان گفت تحلیل چندمتغیره با استفاده از توابع مفصل به واسطه در نظر گرفتن وابستگی بین متغیرها، نسبت به تحلیل یک‌متغیره جامع‌تر بوده و عملکرد بهتری دارد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Application of Multivariate Approach in the Analysis of Hydrological Phenomena (Case Study: Flood in Boustan Dam Watershed of Golestan Province)

نویسندگان [English]

  • Zeynab Afsharypour 1
  • Abdolreza Bahremand 1
  • Mohammad Abdolhosseini 2
1 Department of Watershed Management, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran
2 Water Engineering Department, College of Water and Soil Engineering, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, Iran
چکیده [English]

Peak, volume, and duration are the main characteristics of a flood. Therefore, in designing hydraulic structures, the frequency analysis of flood should be done considering the multivariate point of view in order to decrease the flood damage. Since the interaction of dependent variables is not considered in the univariate frequency analysis, it can lead to underestimating or overestimating the magnitude of a certain event. Copula is a powerful tool, which has the capability and efficiency required for concurrent analysis of behavior of the variables and the correlation among them. This research emphasizes the necessity of bivariate analysis of flood in designing the hydrological structures and decreasing the flood damage. Therefore, copula functions were used for bivariate frequency analysis of flood (discharge and volume).

کلیدواژه‌ها [English]

  • Bivariate frequency analysis
  • Bivariate return period
  • Flood
  • Copula
1- Abdolhosseini, M., 2012. Application of Copula in Multivariate Frequency Analysis of Low-Flows and Assessment of Copula-Based Regression for Analysis of Non-Independent Variables. PhD Dissertation. Department of Water Engineering Isfahan University of Technology. (In Persian).
 
2- Akaike, H., 1974. A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), pp. 716-722.
 
3- Bahremand, A., Alvandi, E., Bahrami, M., Dashti Marvili, M., Heravi, H., Khosravi, Gh.R., Kornejady, A., Samadi Arghini, H., Tajiki M. and Teimouri M., 2015.Copula functions and their application in stochastic hydrology. Journal of Conservation and Utilization of Natural Resources, 4(2), 1-20. (In Persian).
 
4- Cherubini, U., Luciano, E. and Vecchiato, W., 2004, Copula Methods in Finance. John Wiley & Sons Ltd, England.
 
5- De Michele, C., Salvadori, G., Canossi, M., Petaccia, A. andRosso, R., 2005. Bivariate statistical approach to check adequacy of dam spillway. ASCE. Journal of Hydrologic Engineering, 10(1), pp. 50-57.
 
6- De Michele, C. and Salvadori, G., 2003. A generalized Pareto intensity-duration model of storm rainfall exploiting copulas. Journal of Geophysical Research: Atmospheres, 108(D2), pp. 1-11.
 
7- Demarta, S. and McNeil, A.J., 2005. The t copula and related copulas. International Statistical Review, 73(1), pp. 111-129.
 
8- Favre, A.C., ElAdlouni, S., Perreault, L., Thiemonge, N. and Bobee, B., 2004. Multivariate hydrological ferequency analysis using copulas. Water Resource Research, 40(1), W01101, pp. 1-12.
 
9- Grimaldi, S. and Serinaldi, F., 2006. Asymmetric copula in multivariate flood frequency analysis. Advances in Water Resources, 29(8), pp. 1155-1167.
 
10- Hosking, J.R.M., and Wallis, J.R., 1993. Some statistical useful in regional frequency analysis. Water Resources Research, 29(2), pp. 271-281.
 
11- Joe, H., 1997. Multivariate models and dependence concepts. Chapman and Hall, London.
 
12- Klein, B., Pahlow, M., Hundecha, Y. and Schumann, A., 2010. Probability analysis of hydrological loads for the design of flood control systems using copulas. Journal of Hydrologic Engineering, 15(5), pp. 360-369.
 
13- Kojadinovich, I. and Yan, J. 2009. Package ‘copula’. Version 0.9-7, May 28, 2010. Available in: http://cran.r-project.org/web/packages/copula/coupla.pdf.
 
14- Mahdavi,M., 2011. Applied Hydrology (Vol. 2). University of Tehran press, Tehran. Iran. (In Persian).
 
15- Mediero, L., Jimenez-Alvarez, A. and Garrote, L., 2010. Design flood hydrograph from the relationship between flood peak and volume. Hydrology and Earth System Sciences, 14(12). pp. 2495-2505.
 
17- Nelsen, R., 2006. An introduction to copulas. Springer, New York, second edition. Lecture notes in statistics.
 
18- Requena, A., Mediero, I. and Garrote, L., 2013. A bivariate return period based on copulas for hydrologic dam design: accounting for reservoir routing in risk estimation. Hydrology and Earth System Sciences, 17(8), pp. 3023-3038.
 
19- Salvadori, G. and De Michele C., 2007. On the use of copulas in hydrology: Theory and practice. Journal of Hydrologic Engineering, 12(4), pp. 369-380.
 
21- Shiau, J., Feng, T. and Nadarajah, S., 2007. Assessment of hydrological droughts for the Yellow River, China, using copulas. Hydrological Processes, 21(16), pp. 2157-2163.
 
22- Shiau, J., Wang, H. and Tsai, C., 2006. Bivariate frequency analysis of flood using COPULAS1. Jawra Journal of the American Water Resources Association, 42(6), pp. 1549-1564.
 
23- Sklar, A., 1959. Fonction de répartition à n dimensions et leurs marges. [Distribution functions, dimensions and margins]. Publications of the Institute of Statistics, University of Paris,Paris, pp. 229-231. (In French).