پديد آورندگان :
وحيد بيرجندي دانشگاه آزاد اسلامي، اراك , سيدحسن طباطبائي دانشگاه آزاد اسلامي، اراك , رضا مستوري دانشگاه آزاد اسلامي، اراك , حسين مظاهري دانشگاه آزاد اسلامي، اراك , رسول ميرعباسي نجف آبادي دانشگاه شهركرد
كليدواژه :
آبهاي زيرزميني , توابع مفصل ارشميدسي , كيفيت آب , توزيع توأم
چكيده فارسي :
تاكنون مطالعات مختلفي در زمينه بررسي و مدلسازي تغييرات كيفي آب انجام شده، اما كمتر به تحليل چندمتغيره كيفيت آب زيرزميني پرداخته شده است. در اين پژوهش، رويكردي نوين براي تحليل چندمتغيره پارامترهاي كيفي آب زيرزميني با استفاده از توابع مفصل ارائه گرديد. از آنجائيكه داده‌هاي كيفي آب داراي چولگي بوده و پيشفرض نرمال بودن توزيع داده‌ها معمولاً برقرار نمي باشد، لذا در اين تحقيق، توابع مفصل ارشميدسي براي ايجاد توزيع چندمتغيره پارامترهاي كيفي آب شامل K+، Mg2+ ، Na+، 2+ Ca، Cl-، ، ، SAR، EC، pH، TDS و TH بكار گرفته شد. براي اين منظور از داده‌هاي كيفي آب 24 حلقه چاه مشاهداتي در دشت شهركرد استفاده گرديد. سپس ساختار همبستگي هر جفت پارامتر كيفي مورد بررسي قرار گرفت. پس از تعيين بهترين توزيع تك متغيره براي هر يك از پارامترهاي كيفي، برازش ده تابع مفصل مختلف براي ايجاد توزيع چندمتغيره مورد آزمون قرار گرفت. نتايج حاصل از برازش توزيع‌ها نشان داد كه تابع توزيع مقادير حدي تعميم يافته (GEV) بهترين برازش را بر پارامترهاي كيفي مورد مطالعه دارد. همچنين نتايج حاصل از برازش توابع مفصل نشان داد كه تابع مفصل جو بهترين برازش را بر داده‌هاي مشاهداتي دارد و پس از آن، توابع مفصل كلايتون و فارلي- گامبل- مورگن- اشترن در رتبه‌هاي بعدي قرار دارند. نتايج حاصل از تحليل همبستگي نشان داد كه بالاترين ميزان همبستگي بر اساس ضرايب همبستگي پيرسون، راو اسپيرمن و تاو كندال مربوط به جفت پارامترهاي (SAR, Na) و (EC, TDS) با ضريب همبستگي بالاي 9/0 ميباشد. نتايج حاصل از مقايسه مفصل تئوري با مفصل تجربي، معيارهاي نكوئي برازش براي آنها (ريشه ميانگين مربعات خطا، ضريب نش ساتكليف، معيار اطلاعات آكائيكه و بيزين) بترتيب RMSE=0.031,0.036، NSE= -0.0271,-0.0351، AIC=66,65.5 و BIC=-6.4,-6.9 بدست آمد، كه نتايج حاصل از اين اعداد به نوبه خود حاكي از برتر بودن تابع مفصل جو در تحليلهاي چندمتغيره كيفي آبهاي زيرزميني ميباشد. آگاهي از وضعيت كيفي منابع آب زيرزميني، از جمله فوايد استفاده از روش‌هاي تحليل چندمتغيره در مطالعات كيفي آبهاي زيرزميني ميباشد.
چكيده لاتين :
So far, various studies on the analysis of water quality parameters have been evaluated, but less multivariate analysis of quality parameters has been done. Therefore, in this study, a new approach has been proposed to multivariate analysis of water quality parameters using Copula functions. Since water quality data is skewed and the assumption of normality is not observed in the data distribution, so using the Archimedean Copula functions in this study for quality parameters (Sar, K, Mg, Na, Ca, Cl, Ec, Ph, Tds, So4 and Th, Hco3,) can be overcome by topic. For this purpose, qualitative data of 24 observation wells in Shahrekord plain were used. Then, by Coupling (pairing) the water quality parameters and determining the superior distribution, ten Copula functions were fitted on them. The results of fitting the distributions showed that the GEV (Generalized Extreme Value) distribution function is the best distribution function over the qualitative parameters and also the results of determining the copula functions showed that in the first stage the Copula search function as a function The best Copula was identified over the qualitative parameters, and then the functions of Clayton and Farley Gamble Morgan Stern were next. The results of fitting correlation analysis showed that the highest correlation based on Pearson, Spearman and Kendal correlation coefficients is related to the parameters (Sar, Na) and (Ec, Tds) with a correlation coefficient more than 0.9. so that the results of the criteria goodness of fit for them (Root Mean Square Error (RMSE), Nash Sutcliffe Efficiency coefficient (NSE), Akaike Information Criterion (AIC), and Bayesian Information Criterion (BIC)) was respectively RMSE = 0.031,0.036, NSE = -0.0271, -0.0351, AIC = 66,65.5 and BIC = -6.4, -6.9 Awareness of qualitative pollution of groundwater resources is one of the benefits of using multivariate analysis methods in groundwater quality studies.
