انجمن آبخیزداری ایران مجله اکوهیدرولوژی 2423-6098 4 2 2017 06 22 Comparison of conventional and intelligent methods in estimating Copula Function Parameters for multivariate frequency analysis of low flows (Case Study: Dez River Basin) مقایسه روش های متداول و هوشمند در تخمین پارامتر تابع مفصل به منظور تحلیل فراوانی چندمتغیره جریان کمینه (مطالعه موردی: حوضه آبریز دز) 315 329 61466 10.22059/ije.2017.61466 FA فرشاد احمدی دکترای منابع آب/ دانشگاه شهید چمران اهواز فریدون رادمنش دانشگاه شهید چمران اهواز غلام علی پرهام استاد گروه آمار، دانشکدۀ علوم ریاضی، دانشگاه شهید چمران اهواز رسول میرعباسی نجف آبادی استادیار گروه مهندسی آب، دانشکدۀ کشاورزی، دانشگاه شهرکرد Journal Article 2017 01 24 Over the recent years, the dependence structure among hydrological variables has been taken into consideration and it resulted in employment of the multivariate analysis as a suitable alternative for univariate methods. In this study, the copula functions were employed for multivariate frequency analysis of low flows of Dez River basin at Tange Panj-Bakhtiari (TPB) and Tange Panj-Sezar (TPS) hydrometric stations. First, 7-d series of low flow was extracted from measured daily flows at the studied stations over the period of 1956-2012. In the next stage, 11 different distribution functions were fitted into the low flow data whereby logistic distribution had the best fit on the TPB station and the GEV distribution had the best fit on the low flow data of TPS station. After specifying the best fitted marginal distributions, the copula parameter should be estimated. In this study, two methods of inference function for margins (IFM) and particle swarm optimization (PSO) were used to estimate copula parameter. The results showed that the PSO method outperformed IFM in estimating the copula parameter. Among the Ali - Mikhail – Haq, Clayton, Frank, Galambos and Gumbel-Hougaard copulas, the Frank copula function had the lowest error and the highest accuracy in constructing the joint distribution of paired 7-d low flows data and was used for calculating the joint return periods in two states of “OR” and “AND”. در سال‏های اخیر، توجه به ساختار وابستگی موجود در بین متغیرهای هیدرولوژیک افزایش یافته و این امر موجب شده است که تحلیل چند‌متغیره به‌عنوان جایگزین مناسبی در مقابل روش‏های تک‌متغیره معرفی شود. در این مطالعه از تابع مفصل برای تحلیل چند‌متغیرۀ جریان‏های کمینۀ حوضۀ آبریز دز در محل ایستگاه‏های تنگ پنج‌ـ بختیاری و تنگ پنج‌ـ سزار استفاده شد. ابتدا جریان کمینۀ هفت‌روزه در محل ایستگاه‏های مطالعه‌شده، از داده‏های دبی روزانۀ رودخانه‏های بختیاری و سزار در دورۀ آماری 1335‌ـ 1391 استخراج شد. در مرحلۀ بعد، 11 تابع توزیع احتمالاتی مختلف به داده‏های جریان کمینه برازش داده شد که در این بین توزیع‏های لجستیک (برای ایستگاه تنگ پنج‌ـ بختیاری) و مقادیر حدی تعمیم‌یافته (برای ایستگاه تنگ پنج‌ـ سزار) به‌عنوان توزیع حاشیه‏ای مناسب انتخاب شدند. پس از انتخاب توزیع‏ حاشیه‏ای، باید پارامتر مفصل تعیین شود. در این مطالعه، از دو روش توابع منطقی برای حاشیه‏ها (IFM) و الگوریتم بهینه‌سازی ازدحام ذرات (PSO) استفاده شد. نتایج نشان داد روش PSO عملکرد مناسب‏تری در برآورد پارامتر مفصل داشت. سپس از بین توابع مفصل علی‌ـ میخائیل‌ـ حق، کلایتون، فرانک، گالامبوس و گامبل‌ـ هوگارد، تابع مفصل فرانک با داشتن کمترین خطا و بیشترین دقت برای ایجاد توزیع توأم جفت داده‏های جریان کمینۀ هفت‌روزه ایستگاه‏های تنگ پنج‌ـ بختیاری و تنگ پنج‌ـ سزار انتخاب و دورۀ بازگشت‏های توأم در دو حالت «یا» و «و» محاسبه شد.<br />  <br /> <strong> </strong><br /> <strong> </strong> https://ije.ut.ac.ir/article_61466_92732f5229e2efccdbf66b95e8a0de99.pdf