بررسی آشوبناکی و بازسازی فضای فاز دینامیکی بارش در مقیاس‌های روزانه، هفتگی و ماهانه (مورد مطالعه: حوضۀ قره‌سو در کرمانشاه)

نوع مقاله : پژوهشی

نویسندگان

1 عضو هیات علمی، بخش مهندسی آب، دانشگاه شهید باهنر کرمان، کرمان، ایران

2 کارشناس ارشد مهندسی منابع آب، دانشگاه شهید باهنر کرمان، کرمان، ایران

چکیده

در تحقیق حاضر آشوب‌پذیری سری زمانی بارش در مقیاس‌های روزانه، هفتگی و ماهانه در ایستگاه‌های پل‌کهنه و قورباغستان واقع در حوضۀ رودخانۀ قره‌سو شهر کرمانشاه بررسی شد. در ابتدا به‌منظور ارزیابی تصادفی نبودن داده‌ها، آزمون روش داده‌های جایگزین مدنظر قرار گرفت. سپس واکاوی غیرتناوبی بودن سری‌های زمانی با استفاده از آنالیز توان طیف انجام گرفت. نتایج بررسی آشوبناکی نشان داد که براساس دو روش توان لیاپانوف و بُعد همبستگی، سری زمانی بارش در مقیاس روزانه آشوبناک نیست و رفتاری کاملاً تصادفی دارد، درحالی ‌که در دو مقیاس هفتگی و ماهانه دارای رفتاری آشوبناک است (وجود بزرگ‌ترین نمای مثبت لیاپانوف و بُعد همبستگی بین 4 تا 7). در ادامه، بازسازی فضای فاز با به‌کارگیری شیوۀ زمان تأخیر و بُعد محاط (تعبیه) صورت پذیرفت (ابعاد محاط بین 7 تا 10 و زمان تأخیر بین 2 تا 4 برای ایستگاه پل کهنه؛ ابعاد محاط بین 9 تا 19 و زمان تأخیر بین 2 تا 3 برای ایستگاه قورباغستان). یافته‌های تحقیق مبین تصادفی بودن سری‌های زمانی بارش در مقیاس کوتاه‌مدت (روزانه) و آشوبناک بودن آنها در مقیاس‌های میان‌مدت (هفتگی و ماهانه) است.

کلیدواژه‌ها

موضوعات


[1].  انیس‌حسینی، مسعود؛ ذاکرمشفق، محمد، 1392، کاربرد نظریۀ آشوب در تحلیل فرایند بارش-رواناب. هفتمین کنگرۀ ملی مهندسی عمران، زاهدان.
[2].  حسن‌زاده یوسف؛ لطف‌اللهی، محمدعلی؛ شاهوردی، سجاد؛ فرزین، سعید؛ فرزین، نیما، 1391، نویززدایی و پیش‌بینی سری زمانی بر پایۀ الگوریتم موجک و نظریۀ آشوب (مطالعۀ موردی: شاخص پایش خشکسالی SPI شهر تبریز). مجلۀ تحقیقات منابع آب ایران. 8(3): 13-1.
[3].  ذونعمت کرمانی، محمد؛ بای، یارمحمد، 1392، واکاوی کارایی روش­های مبتنی بر شبکه­های عصبی مصنوعی و رگرسیون خطی چندمتغیره در پیش­بینی کشند، اقیانوس‌شناسی، 13: 10-1.
[4].  سازمان آب منطقه‌ای غرب. 1385. گزارش زمین‌شناسی مطالعات ساماندهی رودخانۀ قره‌سو.
[5].  فرزین، سعید؛ شیخ الاسلامی، سیدرضی؛ حسن‌زاده، یوسف، 1390، تحلیل آشوب پذیری سری زمانی با استفاده از ترسیم فضای فاز و روش بُعد همبستگی (مطالعۀ موردی: بارش ماهانه در دریاچۀ ارومیه). چهارمین کنفرانس مدیریت منابع آب ایران، دانشگاه صنعتی امیرکبیر تهران.
[6].  قربانی، محمدعلی؛ اعلمی، محمدتقی؛ یوسفی، پیمان؛ اسدی، حکیمه؛ زینالی، صبا، 1390، کارایی نظریۀ آشوب در پیش‌بینی میزان رسوبات معلق رودخانه‌ها (مطالعۀ موردی: رودخانه لیقوان). نشریۀ مهندسی عمران و محیط زیست. 1(41): 66-59.
[7].  لطف‌اللهی یقین، محمدعلی؛ بیک‌لریان، مرتضی؛ مجتهدی، علیرضا؛ سیدی، ناصر، 1391، مقایسه‌سازی و پیش‌بینی ارتفاع موج شاخص دریای خزر با نظریۀ آشوب. دهمین همایش بین‌المللی سواحل، بنادر و سازه‌های دریایی. تهران، ایران.
[8].  مرادی‌زاده کرمانی، فرنوش؛ قربانی، محمدعلی؛ دین‌پژوه، یعقوب؛ فرسادی‌زاده، داود، 1391، مدل تخمین جریان رودخانه براساس بازسازی فضای حالت آشوبی. نشریۀ دانش آب و خاک، 4(22): 16-1.
[9].    Dhanya, C.T. and Kumar, D.N., 2010, Nonlinear ensemble prediction of chaotic daily rainfall. Advances in Water Resources. 33: 327–347.
[10]. Jayawardena, A.W. and Lai, F., 1994, Analysis and prediction of chaos in rainfall and stream flow time series. Journal of Hydrology. 153: 23–52.
[11]. Men, B., Zhao, X. and Liang, C., 2004, Chaotic Analysis on Monthly Precipitation on Hills Region in Middle Sichuan of China. Nature and Science. 2(2): 45-51.
[12]. McCue, L. and Troesch, A., 2011, Use of Lyapunov Exponents to Predict Chaotic Vessel Motions. Physica D. 65: 156-171.
[13]. Ng, W.W., Panu, U.S. and Lennox, W.C., 2007, Chaos based Analytical techniques for daily extreme hydrological observations. Journal of Hydrology. 342: 17– 41.
[14]. Qin, G., Li, H., Wang, X., He, Q., Li, S., 2015, Annual runoff prediction using a nearest-neighbor method based on cosine angle distance for similarity estimation, Remote Sensing and GIS for Hydrology and Water Resources, 368: 204-208.
[15]. Rodriguez-Iturbe, I., Dc Power, B.F., Sharifi, M.B. and Georgakakos, K.P., 1989, Chaos in Rainfall. Water Resources Research. 25(7): 1667.1675.
[16]. Rosenstein, M.T., Collins, J.J. and De Luca, C.J., 1993, A practical method for calculating largest Lyapunov exponents from small data sets. Physica D. 65: 117-134.
[17]. Shang, P., Li, X. and Kamae, S., 2005, Chaotic analysis of traffic time series. Chaos, Solitons and Fractals. 25: 121–128.
[18]. Sivakumar, B., Liong, S.Y. and Liaw, C.Y., 1998, Evidence of chaotic behavior in Singapore rainfall. Journal of the American Water Resources Association. 34(2): 301-310.
[19].  Sivakumar, B., Berndtsson, R., Olsson, J., Jinno, K. and Kawamura, A., 2000, Dynamics of monthly rainfall-runoff process at the Gota basin: A search for chaos. Hydrology & Earth System Sciences. 4(3): 407-417.
[20].  Sivakumar, B., 2001, Rainfall dynamics at different temporal scales: a chaotic perspective. Hydrology and Earth System Sciences. 5(4): 645-651.
[21].  Wolff, R.C.L., 1992, Local Lyapunov exponents: looking closely at chaos. J, Royal Stat. 54(2): 353 371.
[22].  Zounemat-Kermani, M., 2014, Principal Component Analysis (PCA) for estimating chlorophyll concentration using forward and generalized Regression Neural Networks, Applied artificial intelligence. 28(1): 16-29.
[23].  Zounemat-Kermani, M. and Kisi, O., 2015, Time series analysis on marine wind-wave characteristics using chaos theory, Ocean Engineering. 100: 46-53.
  • تاریخ دریافت: 29 فروردین 1394
  • تاریخ بازنگری: 28 اردیبهشت 1394
  • تاریخ پذیرش: 09 خرداد 1394
  • تاریخ اولین انتشار: 09 خرداد 1394
  • تاریخ انتشار: 01 فروردین 1394