تحلیل فراوانی دومتغیره سیلاب با استفاده از توابع مفصل، مطالعه موردی: سیلاب‌های ورودی به سد زاینده‌رود

تحلیل فراوانی سیل و اطلاع داشتن از احتمال وقوع و دوره بازگشت این پدیده در چگونگی بهره برداری از مخزن حائز اهمیت است. این پدیده، ذاتا چند متغیره است و استفاده از توابع چند متغیره کلاسیک برای تحلیل این پدیده با محدودیت همراه است. بنابراین توصیه شده است که از توابع کاپولا جهت تحلیل فراوانی چند متغیره سیلاب استفاده کرد. این توابع با در نظر گرفتن نوع همبستگی متغیرها از تابع توزیع تک متغیره تابع توزیع توام می سازد. معمولا برای تحلیل فراوانی این پدیده از متغیرهای دبی اوج، حجم و تداوم سیلاب استفاده می شود. این مطالعه بر روی 52 سال داده آماری ورودی سد زاینده رود واقع در استان اصفهان انجام شده است. بر اساس معیارهای نیکویی برازش بر روی متغیرهای دبی اوج، حجم و تداوم سیلاب به ترتیب توابع گوسین، نمایی، پارتو برازش داده شده است. ابتدا همبستگی هر جفت متغیر محاسبه شده است و تابع کاپولا بر اساس معیار آکائیکه، nse و rmse انتخاب شده است. برای دبی پیک-حجم سیلاب تابع کاپولا جو و برای دبی پیک- تداوم و حجم سیلاب-تداوم تابع علی-میکائیل-حق انتخاب شده است. پس از آن دوره بازگشت تک متغیره و توام به دست آمده با هم مقایسه شده و نمایش داده شده است از این نتایج می توان برای برآورد ریسک سیلاب استفاده کرد.

frequency analysis of floods with joint functions،case study: zayandehrood dam

analyzing the frequency of floods and knowing the probability of occurrence and return period of this phenomenon is important in how to exploit the reservoir. this phenomenon is inherently multivariate and the use of classical multivariate functions to analyze this phenomenon is limited. therefore،it is recommended to use copula functions for multivariate flood frequency analysis. these functions combine the distribution function of the univariate distribution function by considering the type of correlation of the variables. for frequency of this phenomenon،the variables of peak discharge،volume and duration of flood are used. this study was conducted on statistical data of zayandehrood dam. based on goodness of fit criteria،the best function is fitted to the each of the variables. the correlation of each pair of variables is calculated and the copula function is selected based on the akaike،nse،and rmse criteria. after that،the obtained univariate and combined return periods have been displayed. these results can be used to estimate the risk.