عنوان پایان‌نامه
بهینه سازی شبکه باران سنجی باکمک روشهای زمین آماری (مطالعه موردی استان خوزستان )
- رشته تحصیلی
- مهندسی‌کشاورزی-آبیاری و زهکشی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 37042;کتابخانه پردیس ابوریحان شماره ثبت: 86
- تاریخ دفاع
- ۲۹ بهمن ۱۳۸۶
- دانشجو
- ابراهیم درویشی
- استاد راهنما
- محمود مشعل
- چکیده
- میزان بارندگی و دقت تعیین آن در مطالعات و طرح های مختلف آبی نقش مهمی را دارا می باشد. در این راستا وجود یک شبکه باران سنجی مناسب که با استفاده از مقادیر بارندگی حاصل از آن، بارندگی در سطح منطقه با دقت مناسبی قابل تخمین باشد، ضروری است. در این تحقیق جهت بهینه سازی شبکه باران سنجی استان خوزستان، از بین روشهای مختلف برآورد مقادیر، روش زمین آماری و روش فاصله معکوس مقایسه شدند. معیار ارزیابی مقایسه روش ها، مقادیر میانگین مربعات خطا (MSE) ، میانگین قدر مطلق خطا (MAE)و میانگین خطای انحراف (MBE)، که از نتایج حاصل از اعتبارسنجی حذفی بدست می آیند، می¬باشد. مجموعه ی داده ها شامل مقادیر بارندگی ماهیانه 79 ایستگاه باران سنجی استان خوزستان می باشد. نتایج بررسی ها نشان داد که در مجموع روش کریجینگ نسبت به روش فاصله معکوس دقت بالاتری در تخمین مقادیر دارد و لذا در بهینه سازی شبکه از روش کریجینگ استفاده شد. استفاده از روش کوکریجینگ به دلیل عدم همبستگی کافی بین بارش ماهیانه و متغیر کمکی ارتفاع، مناسب تشخیص داده نشد. در استفاده از روش کریجینگ نیز، در برازش مدل تغییرنما از بین مدل های تغییرنمای موجود، در اکثر موارد مدل گوسی بهترین برازش را داشت. در مرحله بررسی باران سنج های اضافی، که از دو معیار ارزیابی حاصل از نتایج اعتبار¬سنجی حذفی استفاده گردید، 5 باران با دقت قابل قبولی قابل تخمین بودند، جهت حذف از شبکه پیشنهاد شد.. در مرحله ایجاد باران-سنج های جدید نیز، جهت کاهش خطای تخمین بارش ماهیانه در سطح منطقه، با استفاده از ارزیابی خطای تخمین حاصل از روش کریجینگ، سه نقطه در سطح منطقه جهت ایجاد باران سنج جدید انتخاب شد.
- Abstract
- The rainfall is an important parameter in the water resources research. Hence it is necessary to available an adequate raingage network that enable an exact estimate by its rain measurement. In this research for optimizing the Khozestan province raingage network, between the different estimating method, Geostatistic method and invert distance method compared. The indicator for comparing methods is Mean Square Error (MSE). Mean Absolute Error (MAE) and Mean Bias Error (MBE) that are result of Crosse validation technique. The data set include of monthly rainfall of 79 number of raingage network. Result of studies showed that the kriging method estimate the rainfall with high accuracy. Thus kriging method used for optimize the rangage network. Because of none correlation between height as a helping variety and monthly rainfall, the cokriging method is not an adequate method. Gaussian model between the available fitting models had the best fit. to study the addition raingages, using tow evaluation indicator of cross validation technique, 5 number of raingage that were estimable by other point of network had been suggested for removing from raingage network. Also for decreasing the estimate error of monthly rainfall in the new raingage adding stage at the region, by evaluation the kriging estimate error, three new point for create the rangage were selected.
