مدل‌های جمعی تعمیم یافته جهت تحلیل فراوانی نا ایستای سیل

برآورد دبی طراحی به وسیله فرآیند تحلیل فراوانی با پیش‎شرط کلیدی ایستایی داده‌ها انجام می‌گیرد. امروزه عواملی مانند تغییر کاربری، مدیریت نامناسب و تغییر اقلیم منجر شده است که ماهیت ایستایی حداکثر دبی لحظه‌ای سیلاب‌ها تحت تاثیر قرار گیرد. بنابراین چنانچه داده‌ها دچار عدم ایستایی شوند برآوردهای حاصل از تحلیل فراوانی با فرض ایستایی غیرقابل اطمینان و دارای خطای زیادی خواهد بود و خسارات و تلفات بسیار شدیدی را ممکن است حادث شوند. از اینرو در پژوهش حاضر برای تحلیل فراوانی ناایستای سیل ضمن معرفی روش‌های آماری و چشمی برای ارزیابی شرایط ایستایی داده‌ها، استفاده از مدل‌های تعمیم‎یافته جمعی برای پارامترهای موقعیت، مقیاس و شکل (gamlss) به منظور تحلیل فراوانی داده‌های ناایستا و برآورد چندک‌های طراحی در شرایط ناایستایی تشریح می‌شود. بدین منظور شش ایستگاه هیدرومتری از استان‌های مختلف شمال کشور انتخاب شدند. پس از آن فرآیند تحلیل فراوانی با و بدون درنظر گرفتن پیش‎فرض ایستایی برای هر ایستگاه انجام شد. نتایج نشان داد که در مدل‌های دارای روند برای پارامترها، هر دو پارامتر موقعیت و مقیاس دچار ناایستایی به فرم خطی و حتی درجه دو شده‎اند. از سوی دیگر نتایج نشان داد که دبی طراحی برآورد شده در شرایط ناایستایی با روند‌ افزایشی تا سه برابر بیشتر از دبی طراحی برآورد شده با پیش‎فرض ایستایی در ایستگاه نوده‌خرمالو می‌باشد. همچنین نتایج نشان داد که در ایستگاه‌هایی که روند ناایستایی افزایشی وجود دارد دوره‌ بازگشت سیلاب‌های بزرگ رو به کاهش است و برای دوره بازگشت‌های یکسان مقادیر چندک‌های سیل رو به افزایش است.

The Generalized Additive Models for Non-stationary Flood Frequency Analysis

Flood control and management is a fundamental issue for hydrology researchers and managers. Regarding the design and construct of different hydrologic structures such as reservoirs and dams as effective techniques for flood control, the appropriate estimation of the dimension and resilience of these structures needs correct estimation of the magnitude and return periods of flood for which the design flood in different return periods or probability level is applied. Design flood estimation is done through frequency analysis with the key stationary assumption. Nowadays the factors such as land use change, inappropriate management and climate change has influenced stationary conditions of flood peaks. Therefore, in the existence of nonstationary, the estimation based on stationary assumption is not confident and may have large errors. In this regard, this study for nonstationary flood frequency analysis the GAMLESS model for location, scale and shape parameter estimation as well as visual inspection of nonstationary are introduced and developed for quantile estimation in nonstationary conditions. Six hydrometery stations from different provinces in the North of Iran were selected. Frequency analysis with and without stationary assumptions was done for each station. Results indicated that location and scale parameters have trend with the linear and quadratic manner. In addition, results indicated that design flood estimated by nonstationary procedure has increased around 3 times higher than stationary estimation in Nodekhormalo station. Results also demonstrated that in a station with increasing nonstationary trend, return period of big floods is decreasing and for the same return periods, flood quantiles has increased.