بررسی ویژگی‌های بارش در شناخت و پیش‌بینی پدیده‌های حاصل از بارش مانند رواناب و سیلاب ضروری است، لذا در این مطالعه وابستگی میان ویژگی های مهم رویدادهای بارش (عمق بارش(R) ، ماکزیمم بارش (M)، مدت خشک (D) و مرطوب(L) ) با استفاده از ساختار دی-واین مدلسازی شد. ابتدا توزیع های احتمالی چند متغیره با توجه به جایگشت های مختلف متغیرهای شرطی ساخته شد و سپس خانواده های مفصل های ارشمیدسی و بیضوی جهت برازش بر جفت-مفصل های ساختارهای دی-واین مورد آزمون قرار گرفتند و مناسب ترین خانواده مفصل جهت برازش بر هر جفت-مفصل با توجه به معیارهای مختلف انتخاب گردیدند. در مرحله بعد با توجه به معیارهای اطلاعات آکائیکه (AIC) و بیزین(BIC) ساختار M-R-D-L (یعنی D با L، R با D و L، M با R، D و L شرطی شده‌اند) بعنوان بهترین ساختار شناخته شد. در نهایت با استفاده از ساختار منتخب دی- واین ویژگی های مهم رویداد بارش شبیه‌سازی شد و به منظور ارزیابی دقت شبیه‌سازی مدل پیشنهادی، آماره های مهم هر یک از متغیرهای شبیه‌سازی شده‌ی رویداد بارش با آماره های متغیرهای مشاهداتی مقایسه گردیدند. نتایج نشان دادند که اکثر آماره های شبیه‌سازی شده توسط مدل چهار بعدی دی-واین دارای تطابق خوبی با آماره های متغیرهای مشاهداتی می باشند. Manuscript profile

زمینه و هدف: هدف از این مطالعه تحلیل فراوانی دو متغیره مشخصه های بارندگی با استفاده از توابع مفصل می باشد. برای این منظور، از داده های روزانه بارندگی ایستگاه آلونی واقع در دشت خانمیرزا طی دوره آماری 1391-1365 استفاده گردید. پس از بررسی رویدادهای بارندگی ثبت شده در ایستگاه آلونی در دوره مورد مطالعه (763 رویداد)، مدت زمان بارندگی، عمق بارندگی و سپس شدت بارندگی رویدادها محاسبه گردید. بررسی‌ها نشان می‌دهد که در منطقه مورد مطالعه، معمولاً رویدادهای بارش با شدت 5 میلی‌متر بر ساعت و بیشتر منجر به وقوع سیلاب می‌شوند، لذا در این مطالعه رویدادهایی که منجر به ایجاد سیلاب شده اند برای ادامه محاسبات انتخاب گردیدند. سپس توزیع های رایج در هیدرولوژی بر هریک از مشخصه‌های بارندگی (مدت، شدت، عمق بارندگی) برازش داده شد و توزیع‌هایی که بهترین برازش را بر هر یک از مشخصه‌های بارندگی داشتند، انتخاب گردیدند. در ادامه جهت ایجاد توزیع چندمتغیره مشخصه‌های بارندگی، از ده تابع مفصل استفاده گردید.روش پژوهش: در این مطالعه در ابتدا مشخصه های بارندگی نظیر شدت، مدت و عمق برای داده های بارندگی که منجر به سیل می شوند استخراج گردید. سپس توابع توزیع حاشیه ای رایج در هیدرولوژی بر مشخصه ها برازش داده شد. در ادامه بعد از انتخاب توزیع حاشیه ای برتر به‌منظور ایجاد تابع توزیع تجمعی (CDF) به‌منظور ایجاد توزیع چندمتغیره مشخصه‌های بارندگی، برازش توابع مفصل کلایتون، علی- میخائیل- حق، فارلی- گامبل- مورگن اشترن، فرانک، گالامبوس، گامبل- هوگارد، پلاکت، فیلیپ- گامبل، جو و گامبل- بارنت بر متغیرهای مذکور به‌صورت دوبه دو بررسی گردید و برای هر جفت از مشخصه های بارندگی تابع مفصل برتر با مقایسه با مقادیر متناظر مفصل تجربی تعیین گردید. سپس با استفاده از معیارهای نکوئی برازش تابع مفصل برتر برای مشخصه های بارندگی تعیین گردید. از آنجائیکه شرط استفاده از توابع مفصل وجود همبستگی بین مشخصه های مورد مطالعه می باشد لذا با استفاده از ضرایب همبستگی اسپیرمن، پیرسون و کندال همبستگی بین مشخصه ها بررسی گردید همچنین موارد دوره بازگشت های توأم و شرطی، احتمال توأم و شرطی و دوره بازگشت کندال که از مفاهیم اساسی جهت تحلیل بر اساس توابع مفصل می باشند مورد ارزیابی قرار گرفت.یافته‌ها: نتایج حاصل از تحلیل نشان داد که تابع توزیع مقادیر حدی (GEV) بر مشخصه های بارندگی (شدت، مدت، عمق) به عنوان تابع توزیع برتر شناخته شد و نتایج حاصل از آزمون نکوئی برازش نشان داد که تابع مفصل جو به عنوان تابع مفصل برتر بر مشخصه های (شدت و مدت) و (شدت و عمق) می باشد و تابع مفصل فارلی گامبل مورگن اشترن به عنوان تابع مفصل برتر بر مشخصه های عمق و مدت بارندگی شناخته شد. در ادامه نتایج حاصل از احتمال توأم و شرطی نشان داد در زمانی که بارندگی های سیل 8 ساعت باشد برای سطح احتمال 2/0 میزان بارندگی 45 میلی متر خواهد بود و برای احتمال شرطی برای مدت زمان 15 ساعت برای همین سطح احتمال میزان بارندگی 51 میلی متر خواهد بود. نتایج حاصل از دوره بازگشت توأم برای حالت عطفی نشان داد که برای عمق بارندگی 60 میلی متر و شدت بارندگی 60 میلی متر در ساعت دوره بازگشت در حالت و کمتر از 20 سال می باشد. بر اساس حالت یا برای همین مقدار شدت و عمق بارندگی میزان دوره بازگشت کمتر از 10 سال (حدود 6 سال) می باشد. برای دوره بازگشت 25 ساله به شرطی که مدت بارندگی 5/12 ساعت یا بیشتر باشد، عمق بارندگی 75 میلی متر خواهد بود.نتایج: بر اساس نتایج مقایسه مقادیر مفصل‌های تئوری با مقادیر متناظر احتمال توأم تجربی، تابع مفصل جو به‌عنوان تابع مفصل برتر برای ایجاد توزیع دومتغیره جفت مشخصه های شدت و عمق بارندگی و همچنین جفت مشخصه های شدت و مدت بارندگی شناخته شد و تابع مفصل فارلی- گامبل- مورگن اشترن برازش مناسب‌تری بر داده های مدت و عمق بارندگی داشت. در ادامه با استفاده از توابع مفصل برتر برازش یافته اطلاعات مفیدی نظیر احتمال توأم و شرطی و همچنین دوره بازگشت‌های توأم و شرطی استخراج گردید. بیشترین میزان عمق بارندگی ثبت شده در ایستگاه آلونی 7/114 میلی متر و مدت زمان آن 40/14 ساعت بوده است، با این مشخصه‌ها دوره بازگشت شرطی آن تقریباً 50 ساله، برای حالت عطفی and این دوره بازگشت 160 ساله و برای حالت فصلی or 60 ساله می باشد. نتایج حاصل از دوره بازگشت های توأم و شرطی در این تحقیق کاربرد گسترده ای در مطالعات هیدرولوژی و منابع آب داشته که از جمله آنها می توان به تحلیل ریسک سیلاب، خشکسالی، عملیات آبخیزداری و مرتع‌داری اشاره کرد Manuscript profile

در این مطالعه، قابلیت‌های مفصل‌های درختی واین، نظیر توانایی در تجزیه توزیع‌های چند متغیره به توزیع‌های دوبعدی، انعطاف آن در مسائل با ابعاد بالا و استفاده از وابستگی شرطی بین متغیرها مورد بررسی قرار گرفته است. هدف استفاده از ساختارهای درختی سی-واین و دی-واین جهت تعیین تابع توزیع احتمالاتی توأم چهاربعدی مشخصه‌های مهم رویدادهای بارش 26 ساله ایستگاه بارش سریمونا واقع در کشور ایتالیا، شامل ماکزیمم شدت بارش، عمق کل بارش، مدت زمان دوره مرطوب و دوره خشک می‌باشد. بدین منظور، ابتدا ترکیبی از مناسب‌ترین خانواده‌های مفصل ارشمیدسی و بیضوی جهت برازش بر جفت- مفصل‌های هر یک از ساختارهای سی-واین و دی- واین مشخص شدند. توابع توزیع توأم بهینه ساختارهای سی- واین و دی- واین نیز با استفاده از توابع چگالی زنجیره‌ای محاسبه و میزان انطباق آنها با مفصل تجربی چهاربعدی مشخصه‌های بارش متناظر مورد بررسی قرار گرفتند. در نهایت میزان دقت ساختارهای درختی سی-واین و دی-واین در تعیین توابع توزیع توأم مشخصه‌های مهم بارش، مقایسه گردید. نتایج نشان داد که ساختار سی-واین R-D-L-M دارای مینیمم مقدار معیارهای ارزیابی 029/0RMSE= و 022/0MAE= و همچنین ماکزیمم 35/0= value-P و 998/0 R2=در بین کلیه ساختارهای سی-واین و دی-واین می‌باشد و در نتیجه برای تحلیل فراوانی مشخصات بارش ایستگاه سریمونا ایتالیا دارای بیشترین دقت می‌باشد. Manuscript profile

خشکسالی پدیده‌ای اجتناب‌ناپذیر و از جمله بلایایی است که باید آن را بدون امکان پیشگیری تلقی نمود، اما می‌توان این پدیده را مدیریت و ساماندهی کرد. هدف اصلی این مطالعه نشان دادن چگونگی استفاده از توابع مفصل تودرتو، در تحلیل چهار متغیره پدیده خشکسالی است که برای اولین بار در غرب کشور مورد بررسی قرار گرفت. بدین منظور، ابتدا با استفاده از شاخص بارش استاندارد شده اصلاحی (SPImod) خصوصیات خشکسالی شامل شدت، مدت، فاصله بین آغاز دو خشکسالی متوالی و پیک خشکسالی استخراج گردید. سپس توزیع‌های فراوانی مختلف بر متغیرهای مذکور برازش داده شد و توزیع حاشیه‌ای مناسب برای هر خصوصیت خشکسالی مشخص گردید. بر این اساس برای متغیرهای شدت و مدت خشکسالی بترتیب توابع توزیع گاما و نمائی و برای متغیرهای فاصله بین آغاز دو خشکسالی متوالی و پیک خشکسالی، تابع مقادیر حدی بعنوان توابع توزیع حاشیه‌ای برتر شناسایی شدند. جهت تحلیل چهار متغیره با استفاده از روش مفصل‌های تودرتو متغیرهای مذکور دو به دو با هم جفت شدند و بر آنها 9 تابع مفصل کلایتون، علی- میخائیل- حق، فارلی- گامبل- مورگنسترن، فرانک، گامبل، گامبل- هوگارد، پلاکت، فیلیپ- گامبل و جوئی برازش داده شد. جهت تشخیص تابع مفصل برتر از معیار آکائیکه، حداکثر درستنمائی و ضریب نش- ساتکلیف استفاده گردید. نتایج حاصل نشان داد که تابع مفصل جوئی تابع برتر برای ایجاد توزیع چندمتغیره در منطقه مورد مطالعه است. همچنین روش تحلیل چهار متغیره مشخصه‌های خشکسالی، اطلاعات مفیدی جهت پیش‌بینی و برنامه‌ریزی برای مقابله با اثرات خشکسالی در اختیار مدیران و برنامه‌ریزان قرار می‌دهد. Manuscript profile

یکی از عوامل اصلی ویرانی آبشکن‌ها آبشستگی می‌باشد که فرآیندی بسیار پیچیده است. پیچیدگی الگوی جریان پیرامون آبشکنها و گوناگونی عوامل مؤثر بر آبشستگی، موجب پرشماری روابط تجربی و کاهش دامنه‌ی هر یک از آنها، به‌دلیل محدودیت شرایط آزمایشگاهی می‌شود. در این تحقیق امکان استفاده از شبکه‌های پرسپترون چندلایه(MLP) برای برآورد بیشترین ژرفای آبشستگی پیرامون سه نوع آبشکن شامل آبشکنهایی با دیواره‌ی عمودی،‌ بالدار و نیم‌دایره‌ای مورد مطالعه قرار گرفتند. دستاوردهای شبیه شبکه عصبی مصنوعی با نتایج به‌دست آمده از رابطه‌ی تجربی پیشنهادی به‌وسیله‌ی باربهیوا و دی(2004) مقایسه گردیدند. هشت نمایشنامه بر اساس فراسنجهای مؤثر و شبکه‌های با ورودیهای مختلف برای پیش‌بینی ژرفای آبشستگی تعریف شدند. مقایسه‌‌ی نتایج نمایشنامه‌های مختلف نشان دادند که نمایشنامه ای که تنها از دو فراسنج و برای برآورد ژرفای آبشستگی در پیرامون آبشکن استفاده می‌کند، از عملکرد بهتری برخوردار است. همچنین، نتایج تحلیل حساسیت نشان دادند که فراسنجهای و بیشترین تأثیر را در پیش‌بینی ژرفای آبشستگی آبشکن دارند. مقایسه نتایج شبیه شبکه‌های عصبی و مقادیر محاسبه شده از رابطه‌ی تجربی با داده‌های آزمایشگاهی نشان دادند که مقادیر بیشترین ژرفای آبشستگی به‌دست آمده از روش شبکه‌های عصبی مصنوعی از دقت بیشتری نسبت به رابطه-ی تجربی برخوردارند. همچنین، دقت شبکه‌های عصبی مصنوعی در برآورد ژرفای آبشستگی پیرامون آبشکنهای با دیواره‌ی عمودی در مقایسه با دو نوع آبشکن دیگر بیشتر است.   Manuscript profile