توصيفگر ها :
شبكه هاي توزيع آب شهري , پيش بيني مصرف آب , توابع مفصل , توابع چند متغيره كلاسيك , سلسله مراتبي , دوره بازگشت
چكيده فارسي :
پيش¬بيني مصرف آب در شبكه هاي آبرساني و توزيع آب، با توجه به شرايط اقليمي كشور و اين¬كه مي¬توانند كمك زيادي به طراحان و مديران منابع آب داشته باشند، داراي اهميت هستند. پيش¬بيني دقيق و قابل اعتماد، نقش كليدي در برنامه ريزي و طراحي زيرساخت هاي تامين آب شهري ايفا مي¬كند. از شريان هاي حياتي يك شهرشبكه هاي توزيع آب شهري هستند، به همين خاطر شناخت اجزاي آنها و عوامل تاثيرگذار بر هر كدام داراي اهميت ويژه اي است. يك شبكه آبرساني شهري بايد قادر باشد نيازهاي آبي را از نظر كيفي و كمي برابر استانداردهاي موجود به خوبي انجام دهد. اين شبكه ها به دليل طول وهزينه هاي اجرايي زياد هميشه مورد توجه طراحان و مديران منابع آب بوده اند و همچنين تحليل عوامل موثر بر پيش بيني مصرف شبكه آبرساني از اهميت خاصي برخوردار است. توابع مفصل يا همان كوپلا ابزار مناسبي براي تحليل هاي چند متغيره هستند كه محدوديت هاي توابع توزيع چند متغيره كلاسيك را ندارند، از جمله اين كه در استفاده از آنها الزامي در يكسان بودن توابع توزيع حاشيه اي وجود ندارد. تحليل هاي دو متغيره داراي اهميت ويژه اي است، اما تحليل هاي كلي¬تر معمولا به صورت سه متغيره انجام مي پذيرد. در اين پژوهش تجزيه و تحليل و همچنين مدلسازي ساختار وابستگي مقادير دو و سه متغيره با استفاده از توابع مفصل خانواده¬ي ارشميدسي به كار گرفته شده است. توابع مفصل بكار برده شده در اين پژوهش از خانواده ارشميدسي كه توابع فرانك، كلايتون، گامبل، علي ميكائيل حق هستند. در اين تحقيق از داده هاي مصرف ماهانه آب، فشارميانگين شبكه و ميانگين دماي هوا در شش منطقه آبفا شهر اصفهان از سال 1396 الي 1398 استفاده شد كه هدف به دست آوردن پيش¬بيني مصرف آب بود كه از توابع كوپلا براي تحليل دو به دو و همچنين تحليل سه متغيره كه به روش سلسله مراتبي به كار رفته، استفاده شده است. نتايج تحقيق نشان داد بر اساس معيارهاي نيكويي برازش و نمودار Q-Q plot ، تابع مفصل فرانك بين دومتغير مصرف ماهانه آب و فشار شبكه براي مناطق 2،1 ،4 و 5 به عنوان تابع برتر برگزيده شد كه پارامترهاي آن به ترتيب 02/2-، 61/0، 52/0- و 09/0- به دست آمدند، به همين ترتيب براي منطقه 3 تابع گامبل با پارامتر02/1 و براي منطقه 6 تابع كلايتون با پارامتر 18/0 به دست آمدند. تابع مفصل مناسب براي حالتC2(C1(P,W),F(T),θ2) در سه منطقه اول تابع گامبل به ترتيب با پارامترهاي 1،1/1 و1 و در سه منطقه دوم تابع فرانك به ترتيب با پارامترهاي 43/0، 59/0 و 57/1 به عنوان بهترين برازش انتخاب شدند. به همين ترتيب براي حالت C2(C1(P,T),F(W),θ2) براي تمامي مناطق تابع گامبل به ترتيب با پارامترهاي 05/1، 21/1، 01/1، 13/1، 14/1 و 26/1 برگزيده شدند و در نهايت براي حالت C2(C1(W,T),F(P),θ2) براي مناطق 3،1 و 5 تابع گامبل با پارامترهاي1 و براي مناطق 2 ،4و6 تابع كلايتون به ترتيب با پارامترهاي 0،0 و 1انتخاب شدند. بعد از برگزيده شدن تابع مفصل، توابع توزيع تجمعي شرطي و مشترك دو متغيره با در نظر گرفتن مهم بودن آنها در پيش¬بيني مصرف آب مورد تجزيه و تحليل قرار گرفتند كه با توجه به منطقه مورد نظر مي¬توان احتمالات به دست آمده را در برنامه¬ريزي هاي مديريتي به كار برد و همان طور كه مشاهده شد در اكثر مناطق با افزايش مصرف آب، احتمال تجمعي شرطي فشار شبكه نيز افزايش مي¬يابد؛ همچنين دوره بازگشت هاي عطفي، فصلي و شرطي دومتغيره كه با توجه به دوره بازگشت هاي مدنظر و با استفاده اعداد دو متغير، مي¬توان در طراحي شبكه هاي توزيع آب شهري از آن¬ها استفاده كرد.
چكيده انگليسي :
Predicting water consumption in water distribution networks is an important issues, given the countryʹs climatic conditions and the fact that they can be of great help to designers and managers of water resources. Accurate and reliable forecasting plays a key role in planning and designing urban water supply infrastructure. Urban water distribution networks are one of the vital arteries of a city, so it is important to know their components and the factors that affect each of them. An urban water supply network must be able to meet water needs qualitatively and quantitatively with existing standards. Due to the long length and high operating costs, these networks have always been considered by designers and managers of water resources, and also the analysis of factors affecting the forecast of water supply network is of particular importance. Copula functions are suitable tools for multivariate analysis that do not have the limitations of classical multivariate distribution functions, including the fact that there is no need to use the same marginal distribution functions. Bivariate analyzes are of particular importance, but more general analyzes are usually performed in three variables. In this research, analysis and modeling of the dependence structure of two- and three-variable values using the copula functions of the Archimedean family has been used. The copula functions used in this study belong to the Archimedean family whose functions are Frank, Clayton, Gamble, Ali Michael Haq. In this study, monthly water consumption, average network pressure and average air temperature in six areas of Isfahan from 2017 to 2019 were used to obtain water consumption forecasts using copula functions for two-to-two analysis and also trivariate analysis using hierarchical method has been used. The results showed that based on the goodness of fit and Q-Q plot diagram, the copula Frank function between the two variables of monthly water consumption and network pressure for regions 1, 2, 4 and 5 was selected as the superior function with parameters respectively -2.02, 0.61, -0.52 and -0.09 were obtained, respectively, for region 3, the Gamble function with parameter 1.02 and for region 6, the Clayton function with parameter 0.18 were obtained. The joint function suitable for the C2(C1(P, W), F(T), θ2) mode in the first three regions of the Gamble function with the parameters 1, 1.1 and 1, respectively, and in the second three regions of the Frank function with the parameters of 0.43, 0.59 and 1.57 respectively were selected as the best fit. Similarly, for C2 (C1 (P, T), F (W), θ2) for all regions Gamble function with parameters 1.05, 1.21, 1.01, 1.13, 1.14 and 1.26 were selected and finally for C2 (C1 (W, T), F (P), θ2) mode for regions 1, 3 and 5, the Gamble function with parameters 1 and for regions 2, 4 and 6 the Clayton function with parameters 0, 0 and 1 respectively were selected. After selecting the best copula function, the conditional and joint cumulative distribution functions of the two variables were analyzed considering their importance in predicting water consumption which according to the desired area, the probabilities obtained in planning and as observed in most areas with increasing water consumption, the probability of network pressure conditional cumulative also increases, Also the conjunctive, seasonal and conditional return periods of two variables, which can be used in the design of urban water distribution networks according to the return period and using two-variable numbers.
