• فهرست مقالات تصحیح اریبی

      • دسترسی آزاد مقاله

        1 - ارزیابی عدم قطعیت ناشی از دادههای بارش میان‌مدت سامانه جهانی TIGGE جهت پیش‌بینی سیلاب
        سودابه بهیان مطلق افشین هنربخش اصغر عزیزیان
        زمینه و هدف: وقوع سیلاب‌های مکرر در ایران، لزوم یک سامانه پیش‌بینی و هشدار سیل با زمان پیش هشدار مناسب را ضروری می‌نماید. استفاده از مدل‌های عددی پیش‌بینی بارش در پیش‌بینی و هشدار سیل از جمله اقدامات مهمی است که توسط محققان در اکثر نقاط جهان به کاربر برده می شود. پایگاه چکیده کامل
        زمینه و هدف: وقوع سیلاب‌های مکرر در ایران، لزوم یک سامانه پیش‌بینی و هشدار سیل با زمان پیش هشدار مناسب را ضروری می‌نماید. استفاده از مدل‌های عددی پیش‌بینی بارش در پیش‌بینی و هشدار سیل از جمله اقدامات مهمی است که توسط محققان در اکثر نقاط جهان به کاربر برده می شود. پایگاه داده TIGGE دربرگیرنده پیش بینی‌های میان‌مدت بارش شبیه‌سازی‌شده توسط مراکز پیش‌بینی جهانی است. هدف از پژوهش حاضر، ارزیابی کارایی و میزان عدم قطعیت ناشی از پیش بینی های بارش چهار مدل‌ عددی پایگاه داده TIGGE (شامل CPTEC، ECCC، ECMWF و KMA) برای شبیه سازی سیلاب با مدل هیدرولوژیکی HEC-HMS است.روش پژوهش: در این تحقیق جهت ارزیابی عدم قطعیت دبی حاصل از مدل‌های پیش‌بینی بارش پایگاه داده TIGGE در حوضه آبخیز پلدختر، از آمار بارش هفت ایستگاه هواشناسی استفاده شد. همچنین سه رویداد سیل 24 اسفند 1397، 6 فروردین 1398 و 15 فروردین 1398 موردمطالعه قرار گرفت. در ابتدا پیش‌بینی‌های بارش از چهار مرکز CPTEC، ECCC، ECMWF و KMA استخراج گردید. به دلیل وجود خطای سیستماتیک در داده‌های مورد نظر، تصحیح اریبی روی آن‌ها صورت گرفت و به‌منظور تصحیح اریبی، از روش Delta استفاده شد. پیش‌بینی‌های پردازش‌شده و خام چهار مدل پیش‌بینی بارش، جهت پیش‌بینی سیلاب وارد مدل HEC-HMS شده و در مرحله بعد، ارزیابی عدم قطعیت جریان حاصل از مدل HEC-HMS در تمام اعضای چهار مدل پیش‌بینی بارش انجام شد. در تحقیق حاضر برای تحلیل عدم قطعیت از 5 فاکتور P، R، S، T و RD استفاده گردید. در نهایت احتمال هشدار سیل پیش‌بینی شد.یافته‌ها: نتایج حاصله حاکی از برتری قابل‌توجه مدل ECMWF در پیش‌بینی رویدادهای بارش است. استفاده از هر 4 منبع بارشی، منجر به شبیه سازی قابل‌قبول دبی اوج سیلاب در سه رخداد مختلف شد. همچنین زمان وقوع دبی اوج پیش‌بینی‌شده اختلاف کمی با داده مشاهده‌ای داشت. با توجه به نتایج تحلیل عدم قطعیت، مدل ECMWF بر اساس فاکتورهای P، R، S، T و RD به‌عنوان بهترین مدل در نظر گرفته شد. مدل KMA در سیلاب‌های شدید و بسیار شدید عملکرد مناسبی داشت. سیستم پیش‌بینی گروهی مدل‌های TIGGE نیز در همه وقایع، عملکرد قابل قبولی داشت. همچنین مدل پیش‌بینی هواشناسی- هیدرولوژیکی زمان وقوع سیل و احتمال وقوع را به‌خوبی پیش‌بینی نمود.نتایج: تحقیق مورد نظر، پیش‌بینی و هشدار سیل در حوزه آبخیز پلدختر را با استفاده از سیستم هواشناسی-هیدرولوژیکی، بر پایه پیش‌بینی‌های هواشناسی پایگاه داده TIGGE و شبیه‌سازی سیل با استفاده از مدل هیدرولوژیکی HEC-HMS مورد بررسی قرار می‌دهد. محصول نهایی این سیستم، دبی احتمالی و پیش‌بینی سیل است. نتایج حاصله نشان‌دهنده موفقیت پایگاه داده TIGGE در پیش‌بینی سیل است. مدل ECMWF در پیش‌بینی دبی اوج برتری داشت. از روش محاسبه باند بالا و پایین جهت تعیین عدم قطعیت استفاده شد که عدم قطعیت را به‌خوبی نشان داد. این سیستم زمان دبی اوج را به‌خوبی و با تأخیر زمانی اندک نمایش داد که بیانگر عملکرد خوب آن است. بارش پیش‌بینی‌شده حاصل از چهار مرکز مورداستفاده در این مطالعه (ECMWF ,ECCC , CPTEC , KMA) تفاوت‌های قابل‌توجهی دارند، برای کاهش این تفاوت‌ها از سیستم پیش‌بینی گروهی چند مدلی استفاده نمودیم که نتایج دلگرم‌کننده‌ای داشت. پرونده مقاله
      • دسترسی آزاد مقاله

        2 - Maximum Likelihood Estimation for Parameters of Extended Burr XII Distribution and Bias Correction Based on K-Records
        M. Rajaei Salmasi
        Our aim at this paper is to estimate the parameters of extended Burr XII (EBXII) based on krecords with corrected bias. To get this goal maximum likelihood estimator (MLE) is applied and bias correction for ML estimation is considered to get better and improved estimato چکیده کامل
        Our aim at this paper is to estimate the parameters of extended Burr XII (EBXII) based on krecords with corrected bias. To get this goal maximum likelihood estimator (MLE) is applied and bias correction for ML estimation is considered to get better and improved estimator. Numerical results for comparison of performances of estimators are also presented. پرونده مقاله