مقاله استفاده از روش‌های تک‌متغیره و چندمتغیره به‌منظور شناسایی داده‌های پرت در منشأیابی رسوبات، مطالعه موردی: حوزه آبخیز تنگ بستانک

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مقاله استفاده از روش‌های تک‌متغیره و چندمتغیره به‌منظور شناسایی داده‌های پرت در منشأیابی رسوبات، مطالعه موردی: حوزه آبخیز تنگ بستانک دارای ۲۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله استفاده از روش‌های تک‌متغیره و چندمتغیره به‌منظور شناسایی داده‌های پرت در منشأیابی رسوبات، مطالعه موردی: حوزه آبخیز تنگ بستانک  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله استفاده از روش‌های تک‌متغیره و چندمتغیره به‌منظور شناسایی داده‌های پرت در منشأیابی رسوبات، مطالعه موردی: حوزه آبخیز تنگ بستانک،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله استفاده از روش‌های تک‌متغیره و چندمتغیره به‌منظور شناسایی داده‌های پرت در منشأیابی رسوبات، مطالعه موردی: حوزه آبخیز تنگ بستانک :

تعداد صفحات :۲۶

کارایی روش منشأیابی با ردیاب­‌ها یا انگشت­‌نگاری به‌­عنوان روشی موفق و مؤثر برای تعیین منابع رسوبات به اثبات رسیده است. اولین و مهم­ترین مرحله روش منشأیابی رسوب، انتخاب ترکیب مناسبی از ردیاب است که قادر به جداسازی منابع رسوب باشند .وجود داده­‌های پرت بر انتخاب ترکیب مناسبی از ردیاب­‌ها اثر گذاشته، ممکن است مانع انتخاب متغیرهای مهم (ردیاب­‌های مؤثر) شده و توان جداسازی یا درصد طبقه­‌بندی صحیح را کاهش دهد. بنابراین داده­‌های یادشده باید شناسایی و در صورت وجود شواهد کافی دال بر پرت بودن، نسبت به تصحیح یا حذف آن­‌ها اقدام شود. در مطالعه حاضر هدف شناسایی داده­‌های پرت در بین مجموعه ردیاب­‌های اندازه­‌گیری شده در حوزه آبخیز تنگ­ بستانک، برای تشخیص بهترین ترکیب ردیاب­‌ها بود. بر این اساس از روش­‌های تک­‌متغیره شناسایی داده‌های پرت همچون آزمون گراب، آزمون گوس، آزمون دیکسون، نمودار جعبه­‌ای، میانه به اضافه یا منهای میانه انحراف­‌های تمام داده­‌ها از میانه و میانگین به اضافه و منهای سه برابر انحراف از معیار داده­‌ها و نیز از روش­‌های چندمتغیره شناسایی داده­‌های پرت همچون تحلیل مؤلفه­‌های اصلی، فاصله ماهالانوبیس، مربع فاصله ماهالانوبیس، نمودار چندک مربع فاصله ماهالانوبیس به ­روی درجه آزادی در برابر توزیع مربع کای، نمودارهای جعبه‌­ای مربع فاصله ماهالانوبیس استفاده شد. در مجموع داده­ای پرت شناخته شد که دست­کم نیمی از روش­‌های مذکور به پرت بودن آن اذعان داشته باشند. نتایج نشان داد روش میانه به اضافه و منهای میانه انحراف­‌های تمام داده­‌ها از میانه تعداد بیشتری از داده­‌ها را به­‌عنوان داده پرت معرفی می­‌کند و همچنین روش‌­های چندمتغیره اشتراک کمتری در تشخیص داده­‌های پرت با یکدیگر دارند. آزمون­‌های تک­‌متغیره اجماع بهتری نسبت به شناسایی و معرفی داده­‌های پرت دارند. برای استفاده از روش­‌های تک­‌متغیره برای شناسایی داده­‌های پرت روش­‌های میانه به اضافه یا منهای میانه انحراف­‌های تمام داده­‌ها از میانه، نمودار جعبه­‌ای و آزمون دیکسون به­‌ترتیب حساسیت آن­‌ها پیشنهاد می­‌شود. همچنین نتایج نشان داد، بیشینه اجماع روش­‌های به­‌کار رفته برای روش­‌های تک­‌متغیره چهار و برای روش­‌های چندمتغیره دو مورد هست و در کل اجماع نیمی از روش­‌ها برای پرت بودن داده­‌ها مشاهده نشد.