كاربرد الگوي كمانك تطبيقي چندمتغيره در الگوبندي و تبيين درازمدت شوري و باقي‌مانده خشك آب رودخانه مطالعه موردي: حوضه‌هاي‌ آبريز استان خراسان جنوبي

Applications of Multivariate Adaptive Regression Spline (MARS) for Modeling and Explaining Long Term Salinity and Total Dissolve Solid (TDS) river water Case study: Basins of khorasan jonobi

شوري (Ec) و باقي مانده خشك (TDS) از عوامل كيفي آب‌هاي شرب، كشاورزي و صنعت محسوب مي‌شوند. ابتدا رابطه بين دبي شوري و دبي TDS (توابع سنجه) نمونه هاي برداشت شده با برازش الگوهاي رگرسيوني نمايي، تواني و شبكه عصبي انجام مي شود. سپس تحليل دراز مدت Ec  و TDSآب رودخانه (مقياس روز، ماه و سال) با الگوي انتخابي صورت مي­گيرد. نمونه هاي برداشتي اغلب از جريان عادي و سيلاب هاي كوچك است. سيلاب هاي بزرگ و كم آبي هاي شديد رودخانه اثرات مهمي در تحليل و تبيين نوسانات Ec و TDS دارند. لذا نياز به تخمين Ec و TDSاين سيلاب ها و كم آبي هاست (برون يابي). الگوهاي رايج در برون يابي به دليل كران دار بودن شوري و باقيمانده خشك خوب عمل نمي كنند. هدف مقاله حاضر به كارگيري الگوي جديد كمانك تطبيقي چند متغيره[1] (MARS) براي حل اين مشكل است. حوضه هاي آبريز خراسان جنوبي نيز براي مطالعه موردي انتخاب شد. MARS يك الگوي رگرسيون تكه‌اي خطي  (يا غيرخطي) كمانكي است كه در برون يابي و رعايت كران ها عملكرد بهتري دارد. سه الگوي نمايي، تواني و MARS (با نردبان تبديل) بر آمار دبي Ec و دبي TDS ايستگاه‌هاي استان خراسان جنوبي برازش داده شد. دو ديدگاه آماري و فيزيكي اين الگوها معيار انتخاب الگوي برتر است كه MARSبرتري خود را در اين دو حالت نشان داد. نتايج الگوهاي برازشي در دو حالت درون يابي و برون‌يابي با هم مقايسه شد. برون يابي الگوي MARSاعداد معقول و برون يابي ساير الگوها اعدا بسيار بزرگ (حتي بي نهايت) ارائه مي كنند. تحليل ها نشان داد كه الگوي MARS با نردبان تبديل مي تواند جايگزين خوبي براي الگو بندي منحني سنجه Ecو TDS باشد.

Salinity (Ec) and Total Dissolve Solid (TDS) are considered as quality factor s of drinking water, agriculture and industry. First relation between DebiteEc and DebiteTDS (rating function) of taken samples doing with the fitted regression models, exponential, power and the neural network. The longterm analysis of Ec and TDS of water river (day, month and annual scales) did with the selected model.  Almost analytical samples taken from  normal flow and small flood. River floods and low floods have important effects in analyzing and explaining the volatility Ec and TDS. Therefore it is need to estimate Ec and TDS of these flood and low flood (extrapolation). Through Ec and TDS are bounded, so current models can not be well in Extrapolation.  Propose of this paper is implementation a new model multivariate adaptive regression spline (MARS) to solve this problem. Also South Khorasan province basins were selected for case study. MARS is a piecewise linear regression model (or nonlinear) that better perform in extrapolation and observe in bound. Three models exponential, power, and MARS (with transform) were fitted on the statistics of DebitEc and DebitTDS stations in South Khorasan  province. Two views of the physical and statistical model are superior selection criteria that MARS show superiority in these models. The results of  models fitting were compared with two modes of interpolation and extrapolation. The MARS model extrapolation represented the reasonable values, while extrapolation of other models represented very big values (infinite). Analysis showed that  the MARS model with transform can be suitable replacement for rating curve modeling of Ec and TDS