مقاله تاثیر پردازش داده برروی دبی جریان روزانه باتوجه به توزیع های احتمالاتی حاکم برآن درمدلسازی سیلاب مطالعه موردی: حوزه سددز

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

  مقاله تاثیر پردازش داده برروی دبی جریان روزانه باتوجه به توزیع های احتمالاتی حاکم برآن درمدلسازی سیلاب مطالعه موردی: حوزه سددز دارای ۹ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله تاثیر پردازش داده برروی دبی جریان روزانه باتوجه به توزیع های احتمالاتی حاکم برآن درمدلسازی سیلاب مطالعه موردی: حوزه سددز  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 تاثیر پردازش داده برروی دبی جریان روزانه باتوجه به توزیع های احتمالاتی حاکم برآن درمدلسازی سیلاب مطالعه موردی: حوزه سددز،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله تاثیر پردازش داده برروی دبی جریان روزانه باتوجه به توزیع های احتمالاتی حاکم برآن درمدلسازی سیلاب مطالعه موردی: حوزه سددز :

تعداد صفحات:۹
چکیده:
باتوجه به اهمیت پیش بینی جریان رودخانه درمدیریت منابع آب روشهای مختلفی برای مدل کردن جریان رودخانه ها بکاربرده میشوند تا بتوان بابکارگیری این مدل درمدیریت سیلاب خسارت ناشی ازآنها را به حداقل ممکن رساند دراین مقاله روشهای پردازش داده های جریان قبل ازمدلسازی باتکیه برتوزیع های احتمالاتی حاکم برداده ها مورد بررسی قرارگرفته است براین اساس ازداده های دبی جریان در۵ ایستگاه رودخانه سددز استفاده گردیده است باتوجه به اینکه دراکثر مدلسازی ها ازداده های نرمال شده دبی جهت شبیه سازی ها استفاده میگردد دراین تحقیق سعی شده باتوجه به توزیع های احتمالاتی که بهترین برازش را باداده ای دبی جریان داشتند شیوه مناسب ورودداده های جریان درمدلسازی ها مورد بحث قرارگیرد نتایج بدست امده براساس توزیع های احتمالاتی حاکم نشان داد از ۶۱ توزیع برازش داده شده بردبی های جریان توزیع های خانواده لوگ در۴توزیع برتر قرارگرفتند باتوجه به این نتایج پیشنهاد میشود درایستگاه هایی که توزیع احتمالاتی حاکم برداده های جریان توزیع های لگاریتمی می باشد استفاده ازلگاریتم داده ها به جای روشهای مرسوم نرمال کردن و معکوس داده ها قبل ازمدلسازی میتواندنتایج بهتری را درعملکرد مدلها به دنبال داشته باشد