جلد 24، شماره 3 - ( علوم آب و خاک - پاییز 1399 )                   جلد 24 شماره 3 صفحات 289-269 | برگشت به فهرست نسخه ها


XML English Abstract Print


1. بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان اصفهان، سازمان تحقیقات، آموزش و ترویج کشاورزی، اصفهان، ایران ، chsatar@gmail.com
چکیده:   (2324 مشاهده)
انتخاب تابع توزیع مناسب و تخمین پارامترهای آن دو گام اساسی در برآورد دقیق تناوب سیلاب است. در این مقاله برای بهبود تخمین پارامترهای توابع توزیع، از مفهوم بهینه‌سازی الگوریتم فرا ابتکاری استفاده شده است. هدف از این مقاله استفاده از الگوریتم کلونی زنبور ‌عسل (ABC) در راستای برآورد پارامترهای توابع توزیع رایج در تخمین سیلاب است. در این راستا از سه آماره برازندگی، ضریب همبستگی، ضریب تشخیص و مجذور میانگین مربعات خطا، برای مقایسه عملکرد این الگوریتم با روش‌های متعارف تخمین پارامتر، حداکثر درست‌نمایی(ML)، گشتاورها (MOM) و گشتاور وزنی احتمال (PWM)، استفاده شده است. منطقه مورد مطالعه حوضه‌ آبخیز بابل‌رود در حاشیه جنوبی دریای مازندران است که دارای سوابق وقوع سیلاب است. تعداد شش ایستگاه هیدرومتری دارای آمار مشاهداتی دبی حداکثر سیلاب در منطقه شناسایی و داده‌های آنها در تحلیل تناوب سیل شش تابع توزیع نرمال، گمبل، گاما، پیرسون نوع 3، مقادیر حد و لجستیک مورد استفاده قرار گرفت. مقایسه عملکرد روش‌های ABC، ML، MOM و PWM در برآورد سه آماره برازندگی نشان می‌دهد که تابع توزیع پیرسون نوع 3 دارای بیشترین مقدار میانگین ضریب همبستگی (0/97) با کمترین دامنه تغییرات (0/05-0/04) و تابع توزیع گاما دارای بیشترین مقدار ضریب تشخیص (0/93) با کمترین دامنه تغییرات (0/10) و همچنین کمترین مقدار مجذور میانگین مربعات خطا (8/61) با کمترین دامنه تغییرات (14/33) است. درنهایت با جمع‌بندی نتایج به‌دست آمده است می‌توان نتیجه گرفت که الگوریتم کلونی زنبور ‌عسل عملکرد بهتری (مقادیر بالاتر ضریب همبستگی و ضریب تشخیص و مقدار کمتر مجذور میانگین مربعات خطا) از سایر روش‌های رایج در تخمین پارامترهای توابع توزیع مطالعاتی در منطقه دارد.
متن کامل [PDF 945 kb]   (1195 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: عمومی
دریافت: 1398/7/7 | پذیرش: 1399/2/14 | انتشار: 1399/9/10

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.