تحلیل آماری مقادیر حدی باد سالانه در خراسان بزرگ
محورهای موضوعی : مجله فناوری اطلاعات در طراحی مهندسیفرهاد خام چین مقدم 1 , حجت رضایی پرند 2 , محبوبه فرزندی 3
1 - استادیار، دانشگاه آزاد اسلامی، واحد مشهد،گروه عمران، مشهد ، ایران
2 - دانشگاه آزاد اسلامی واحد مشهد
3 - کارشناسی ارشد عمران ، دانشگاه فردوسی مشهد
کلید واژه: تحلیل آماری, خراسان بزرگ, سریعترین باد سالانه, پارتوی تعمیم یافته, حدی تعمیم یافته, Fastest wind speed, grate Khorasan, Statistical Analysis, Generalized Pareto, General Extreme value,
چکیده مقاله :
تحلیل آماری سریعترین بادسالانه یکی از نیازهای مهم در طراحی سازه های بلند، سدسازی و غیره است. سریعترین بادهای سالانه ایستگاه های همدیدخراسان بزرگ انتخاب و تحلیل آماری شدند. غربال داده ها و آزمون های پایه (تصادفی بودن، همگنی، استقلال و...) بررسی شد. چهار ایستگاه داده پرت و غیرتصادفی و پنج ایستگاه ناایستا و ناهمگن بودند. هفت تابع توزیع گامبل نوع1، گامای 2پارامتری، لوگ نرمال 2و3پارامتری، پارتوی تعمیم یافته، حدی تعمیم یافته و پیرسون نوع 3 با پنج روش برآوردی گشتاورهای معمولی، حداکثردرست نمایی، گشتاورهای وزن دار احتمالی، حداکثرآنتروپی و گشتاورهای اصلاح شده بر داده ها برازش داده شد. آزمون نیکویی برازش ksبرای تعیین مناسب بودن توزیع و انتخاب توزیع برتر استفاده شد. سه اولویت توزیع مناسب برای هرایستگاه درنظر گرفته شد تا رفتار فیزیکی این پدیده نیز قابل توجیه باشد. توزیع پارتوی تعمیم یافته 21 بار و توزیع حدی تعمیم یافته 11 بار در سه اولویت توزیع برتر شناخته شدند. روش گشتاورهای وزن دار احتمالی روش غالب برآورد پارامترها در اکثر توزیع هاست.
The annual fastest wind analysis of the important requirements in the design of tall building, Dams, etc. The annual fastest winds of grate Khorasan province synoptic stations selected for statistically analysis. The data were screened and the basic tests (randomness, homogeneity, independence, etc.) were investigated. The data of four station have outliers and not random. Five stations were not stationery and heterogeneous. The seven distribution functions Gumble type 1, gamma 2 parameters, lognormal 2 and 3 parameters, Generalized Pareto, generalized Extreme values and Pearson type 3 with five estimation methods (conventional moments, maximum likelihood, probable weighted moments, maximum entropy and modified moments) were fitted. The Ks goodness of fit test applied to determine the suitability of the chosen distribution and superior distribution. Three priorities for each station were established. Because of the physical behavior of this phenomenon is well justified. Generalized Pareto 21 times and General Extreme value 11 times were the best fitted distributions. Probability weighted moments were the best estimation methods in all distributions.
1- Alizadeh, A., Kamali,Gh., Mousavi, F., Mousavi-Bygi, Weather & Climate, Twelfth edition, Ferdowsi University Press, 2009, 382 pp.
2- Fallah Ghahari, Gh., Essentials and Fundamentals of Meteorology, Climatical Research Institute, Ferdowsi University Press, 2011, 806 pp.
3- Martin, J.E., Mid-Latitude Atmospheric Dynamics, Masoodian, S.A., Esfahan University Press, 2009, 441 pp.
4- Al Buhairi, M. H., 2006, A Statistical Analysis of wind speed data and an assessment of wind energy potential in Taiz-Yemen, Ass. Univ. Bull. Environ. Res. Vol. 9 No. 2.
5- Linaerc E., 1992, Climate Data and Resourses, Roulledge, Pub.
6- Chiou, p., Weiwen Miao, and T. C. Ho, 2012, The Annual Maximum Wind Speed at Pisa Airport in Italy, International Journal of Environmental Science and Development, Vol. 3, No. 3, June 2012
7- Simiu, E., R.H. Scanlan, 1996, Wind Effects on Structures, Wliey, Pub.
8- Yevjevich, V., 1972, Probability and Statistics in Hydrology, Water Resources PUB.
9- Riordan P., 1994, World Weather Extrems, DIANE Pup
10- Rezaee-Pazhand, H., Probability and Statistical application in water resources, first pub. Azad University of mashhad, Sokhan Gostar, 2001, 468 pp.
11- Juslus T C. G. et all, 1978,Method for estimating wind speed frequency distributiond, J. Applied Meteorology
12- Darbandi, S., Aalami M.T., Asadi, H., 2012, Comparison of Four Distributions for Frequency Analysis of Wind Speed, Environment and Natural Resources Research Vol. 2, No. 1; March 2012.
13- Holmes, J. D., & Moriarty, W. W. (1999). Application of the generalised Pareto distribution to extreme valueanalysis in wind engineering. Journal of Wind Engineering and Industrial Aerodynamics, 83, 1-10. http://dx.doi.org/ 10.1016/S0167-6105(99)00056-2
14- Rajabi M. R., & Modarres, R. (2008). Extreme value frequency analysis of wind data from Isfahan, Iran. Journal of Wind Engineering and Industrial Aerodynamics, 96,78-82. http://dx.doi.org/10.1016/j. jweia. 2007.03.005
15- http://www.Wikipedia.ir/
17- Edmond, F., Schulz, Victor, A., Koelzer, Kh. M., 1973, Floods and droughts, Water Resources Publications, 679 pages.
18- Bobee. B., Ashkar, Gamma Family and Derived Distributions Applied in Hydrology, Rezaee-Pazhand, H., first pub. Ferdowsi University Press, 1995, 890 pp.
19- Maronna, R. A., et al, 2006, "Robust Statistics", Jhon Wiley.
20- Barnet, V. and Lewis, T., 1994, Outliers in Statistical data, WILEY, New York.
21- Scheaffer, R.L., Mendenhall, W., Ott, R.L., Elementary Survey Sampling, Arghami, N., Sanjari, Bozorgnia, A., Fourth edition, Ferdowsi University Press, 2001, 435 pp.
22- Rao R., A., et al, 2000, Flood Frequency Analaysis, CRC Press LLC.
_||_