تحلیل آماری مقادیر حدی باد سالانه در خراسان بزرگ

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار، دانشگاه آزاد اسلامی، واحد مشهد،گروه عمران، مشهد ، ایران

2 دانشگاه آزاد اسلامی واحد مشهد

3 کارشناسی ارشد عمران ، دانشگاه فردوسی مشهد

چکیده

 تحلیل آماری سریعترین بادسالانه یکی از نیازهای مهم در طراحی سازه­های بلند، سدسازی و غیره است. سریعترین بادهای سالانه ایستگاه­های همدیدخراسان بزرگ انتخاب و تحلیل­ آماری شدند. غربال داده­ها و آزمون­های­پایه (تصادفی­بودن، همگنی، استقلال و...) بررسی شد. چهار ایستگاه داده­پرت و غیرتصادفی و پنج ایستگاه ناایستا و ناهمگن بودند. هفت تابع توزیع گامبل­نوع1، گامای ­2پارامتری، لوگ­نرمال 2و3پارامتری، پارتوی ­تعمیم­یافته، حدی­ تعمیم­یافته و پیرسون­نوع­3 با پنج روش برآوردی گشتاورهای­معمولی، حداکثردرست­نمایی، گشتاورهای ­وزن­دار احتمالی، حداکثرآنتروپی و گشتاورهای اصلاح­ شده بر داده­ها 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 تعمیم­یافته 21 بار و توزیع حدی ­تعمیم­یافته 11 بار در سه اولویت توزیع برتر شناخته شدند. روش گشتاورهای وزن­دار احتمالی روش غالب برآورد پارامترها در اکثر توزیع هاست.  

کلیدواژه‌ها


 


1- مقدمه

باد یک پدیده برداری است. راستا، جهت و اندازه آن (سرعت باد) هریک به تنهایی یا به طور مشترک کاربردهای زیادی در رشته های مهندسی دارد [1، 2 و3]. متوسط سرعت و فراوانی آن در طراحی نیروگاه های بادی استفاده می شود [4 و5]. سرعتهای حدی باد که به سریعترین باد مشهور است در طراحی سازه های بلند مانند برج ها و آسمان خراش ها، دودکش های بلند کارخانجات، انبار های سوله، سدسازی، فرودگاه ها و غیره به کار می رود [6، 7 و8]. مولفه سرعت باد عامل اصلی تشکیل طوفان­ها است [1، 2، 3 و 9]. تخمین سرعت باد در مقیاس­های زمانی مختلف مانند: سالانه، ماهانه و غیره با دوره های بازگشت مختلف یکی از موارد مورد نیاز طرح های مهندسی است [10، 6، 11، 5 و8]. این تخمین را تحلیل فراوانی سریعترین باد نیز می نامند.

چویی و همکاران (2012) داده­های41 سال سریعترین باد سالانه (متوسط اندازه گیری­های ده دقیقه­ای) مربوط به ایستگاه فرودگاه پیزا ایتالیا را تحلیل فراوانی کردند. این محققان سه توزیع حدی را برای داده­ها مناسب تشخیص دادند [6]. البحیری (2006) داده­های چهار سال سریعترین باد ماهانه شهر تعز یمن را تحلیل کرد [4]. او دو توزیع ویبول دو پارامتری و رایلی را به داده­ها برازش و تحلیل کرد. دربندی و همکاران(2006) چهار توزیع گاما، لگ نرمال، مقادیر حدی و توزیع لجستیک را به سریعترین باد سالانه ایستگاه همدید تبریز برازش دادند. پارامترهای توزیع به روش حداکثر درستنمایی و گشتاورها برآورد شده اند. این محققان توزیع گاما را با معیارهای نیکویی برازش برگزیدند [12].

هولمز و همکاران (1999) توزیع پارتوی تعمیم یافته را برسریعترین باد سالانه برازش و آن را جانشین مناسبی برای توزیع مقادیر حدی به­دست آوردند [13]. رجبی و همکاران (2008) داده­های حداکثر سرعت باد حاصل از فاصله زمانی- های 15 تا 120 دقیقه مربوط به ایستگاه شرق اصفهان (فاصله زمانی 1998- 1983) با قانون گامبل نوع یک تحلیل فراوانی کردند. این محققان نتایج تحلیل فراوانی را به همراه متوسط فاصله­های فوق ترسیم نمودند. می­توان سرعت باد را در دوره­های زمانی مورد نظر با دوره­های بازگشت مختلف از این ترسیم­ها به­دست آورد [14].

مرور مقالات فوق و مقالات مشابه نشان می­دهد که تحلیل فراوانی باد اغلب محدود به تعداد اندکی ایستگاه است. هم چنین قوانین احتمالی محدودی برای این تحلیل فراوانی به­کار رفته است. روش­های برآورد پارامترها نیز به طورعمده حداکثر درستنمایی و گشتاوری معمولی است. اگر قوانین احتمالی متنوعی به­همراه روش­های برآورد بیشتری اتخاذ شود، نتایج دقیق­تری می­توان از تحلیل فراوانی باد به­دست آورد. افزایش این دقت خود سبب بهینه شدن هزینه طراحی­های مورد نیاز در پروژه­ها و تحقیقات مختلف می­شود.

هدف مقاله حاضر تحلیل آماری داده های حدی باد (سریعترین باد سالانه) کلیه ایستگاه های خراسان بزرگ با 7 قانون احتمالی مناسب به­همراه روش­های متنوع برآورد پارامترهاست. هفت توزیع احتمالی گامبل نوع یک (GU1)، گامای دو پارامتری (GA2)، لوگ­نرمال دو و سه پارامتری (LN2,LN3)، پارتوی­تعمیم یافته (GPA)، پیرسون نوع سه (PT3) و حدی ­تعمیم یافته (GEV) به کار گرفته شده­اند. پارامترها نیز با پنج روش گشتاوری معمولی (MOM)، تصحیح شده (MdoM) و وزن­دار احتمالی (PWM)، حداکثر درستنمایی (MML) و حداکثر آنتروپی (ENT) برآورد شده­اند. آزمون­های پایه نیز برای بررسی برقراری فرض­های پایه انجام شده است.

 

2 -  مواد و روش‌ها

 

2-1- موقعیت و داده ها

خراسان رضوی در شمال­شرقی ایران به ­مساحت 128420 کیلومترمربع و 10 ایستگاه­ همدید هواشناسی دارد. خراسان شمالی در شمال و شمال شرقی ایران به مساحت ۲۸۴۳۴ کیلومتر مربع دارای 5 ایستگاه همدید هواشناسی است. خراسان جنوبی واقع در شرق و جنوب شرقی ایران به مساحت ۹۵۳۸۵ کیلومترمربع دارای 7 ایستگاه همدید است [15]. شکل (1) موقعیت سه استان فوق را در ایران نشان می­دهد. مشخصات و طول دوره­آماری ایستگاه­های همدید خراسان رضوی، شمالی و جنوبی به ترتیب در جداول (1) تا (3) ارایه شده است. این ایستگا­ه­ها زیر نظر سازمان هواشناسی قرار دارند [16]. ایستگاه های استان خراسان شمالی به جز بجنورد آمار قابل توجهی نداشته و تحلیل آماری سری­های کوتاه مدت نمی­توانند پاسخ­ قابل اطمینانی ارایه کنند [17].  

 

 

 

 
 

خراسان شمالی

 

 


 

خراسان

رضوی

 

 

خراسان

جنوبی

 

 

شکل (1) موقعیت سه استان خراسان رضوی، شمالی و جنوبی در ایران

 

 

جدول (1) مشخصات ایستگاه­های همدید استان خراسان رضوی

ارتفاع (متر)

طول جغرافیایی

عرض جغرافیایی

سال تاسیس

نام ایستگاه

ردیف

999

59   38

36   16

1951

مشهد

1

1056

58  41

34   21

1987

گناباد

2

1213

58   48

36   16

1991

نیشابور

3

978

57   43

36   12

1955

سبزوار

4

1451

59   13

35   16

1959

تربت حیدریه

5

950

60   35

35   15

1993

تربت جام

6

2871

58  30

37  4

1984

قوچان

7

1110

58   12

35   12

1987

کاشمر

8

235

61   10

36   12

1984

سرخس

9

1176

59   17

36  29

1987

گلمکان

10

 

جدول (2) مشخصات ایستگاههای همدید استان خراسان شمالی 

 ردیف

نام ایستگاه

سال تاسیس

طول جغرافیایی

عرض

ارتفاع

1

بجنورد

1959

57:16:33

37:28:83

1112

2

جاجرم

2005

56:20

36:57

984

3

اسفراین

2005

57:29

37:03

1216

4

مانه و سملقان

2005

56:51

37:30

890

5

فرودگاه بجنورد

2005

57:18

37:29

1070

 

جدول (3) مشخصات ایستگاههای سینوپتیک استان خراسان جنوبی 

ردیف

نام ایستگاه

سال تاسیس

طول جغرافیایی

عرض

ارتفاع

1

بیرجند

1955

59:12

32:52

1491

2

قائن

1987

59:10

33:43

1432

3

فردوس

1985

58:10

34:01

1293

4

نهبندان

1986

60:02

31:32

1211

5

بشرویه

1988

57:27

33:54

558

6

خوربیرجند

1990

58:26

32:56

1117

7

طبس

1961

56:57

33:36

707


2-2- تحلیل آماری مقادیر حدی

تحلیل آماری (تحلیل فراوانی) تخمین قانون­احتمالی حاکم بر متغیرتصادفی مورد مطالعه از روی نمونه مشاهداتی است. موارد زیر در تحلیل آماری مقادیر حدی مانند باد سالانه رعایت می­شود: غربال داده­ها، آزمون­های پایه (شامل استقلال، همگنی و...)، انتخاب توزیع­های مناسب، برآورد پارامترها، آزمون­های نیکویی برازش و محاسبه چندک ها با دوره­های بازگشت مختلف از روی توزیع برتر [18 و 9 و 19].

 

2-2-1- غربال داده­ها

مبنای تحلیل آماری نمونه­ایست که آن را مشاهدات می­نامند. اگر داده­ای مشکوک، نادرست یا نادقیق باشد، نمونه را آلوده می نامند [20]. تعمیم خصوصیات نمونه به جامعه به درستی انجام نمی­شود [20و21]. بنابراین اولین گام بررسی دقت، صحت، داده­های مشکوک و غیره است. این کار با رسم نمودارهای مختلف، مشاهدات چشمی، وارسی با قاعده سه زیگمای معمولی و استوار انجام می­شود [19].

 

2-2-2- آزمون­های پایه

نمونه­های مورد بحث در علم آمار و احتمال با یک طرح نمونه­گیری مانند تصادفی، سیستماتیک و غیره انتخاب می­شوند. این نمونه خصوصیات ریاضی لازم (تصادفی بودن، استقلال، همگنی، ایستایی، داده پرت و غیره) را برای تعمیم به جامعه دارد. این خواص ما را مطمئن می­کند که نمونه انتخابی استنباط درستی از جامعه ارایه می دهد. اما داده­هایی که در آب و هواشناسی در اختیار قرار می­گیرد، اطلاعات عددی است که بدون یک طرح نمونه­گیری انتخاب شده­اند. بنابراین باید بررسی شود که آیا داده­ها خواص فوق را دارد یا خیر؟ اگر این خواص را دارا باشد، آنگاه می­توان آن را یک نمونه مناسب تشخیص و استنباط جامعه را به سامان رساند. در غیر این ­صورت تحلیل به روش­های معمول کارایی لازم را ندارد. وجود این خواص با آزمون­های آماری مناسب تائید یا رد می­شود [18 و 9]. آزمون­های معروف عبارت­انداز: آزمون گردش (تشخیص تصادفی بودن)، من-ویتنی (تشخیص همگنی و نداشتن جهش)، والد- وولفویتز (تشخیص استقلال وایستایی)،گروبز- بک و سه زیگمای استوار (تشخیص داده پرت) [9، 18، 19 و20].

2-2-3- قوانین احتمالی و روش­های برآورد پارامترها

سریعترین باد سالانه یک متغیر حدی است. لذا قوانین احتمالی مناسب برای تحلیل آن عبارت­اند از: گامبل نوع 1(GU1)، گامای2پارامتری (GA2)، لوگ­نرمال2و3پارامتری (LN2,LN3)، پارتوی تعمیم یافته (GPA)، پیرسون نوع 3 (PT3) و حدی تعمیم یافته (GEV) [ 9، 22].

توابع چگالی قوانین فوق مطابق روابط (1) تا (7) است.

 

 

GU1:    (1)                                                        

GA2:    (2)                                                                                        

LN2:    (3)                                                                         

LN3:    (4)                                                       

GPA:   (5)                                                       

PT3:     (6)                                             GEV:    (7)                                      

 


روش­های برآورد پارامترها: برآورد پارامترهای قوانین (1) تا (7) مطابق زیر است [9، 20].

1- پارامترهای توزیع گامبل­نوع1به چهار روش گشتاورهای معمولی (MOM)، حداکثر درست­نمائی (MML)، حداکثر آنتروپی (ENT)، گشتاورهای وزن­دار احتمالی(PWM) برآورد می­شوند.

2- پارامترهای توزیع­های گامای دو پارامتری و لوگ­نرمال 2 پارامتری به سه روش MOM، MML و  PWM برآورد می­شوند.

3- پارامترهای توزیع لوگ نرمال 3 پارامتری به دو روش MOM و PWM برآورد می­شوند.

4- پارامترهای توزیع  پارتوی تعمیم­یافته به چهارروش MOM، PWM، MML و گشتاورهای اصلاح شده (ModM)برآورد می­شوند.

5- پارامترهای توزیع پیرسون نوع 3 به سه روش MOM، PWM و ModM برآورد می­شوند.

6- پارامترهای توزیع­حدی تعمیم یافته نیز با دو روش  PWM و MML برآورد می­شوند.

 

3- نتایج و بحث

سریعترین بادهای سالانه ایستگاه­های همدید خراسان بزرگ (18 ایستگاه) برای مطالعه موردی انتخاب و تحلیل ­فراوانی شد (جداول 1 تا 3). غربال اولیه و آزمون­های­پایه (تصادفی­بودن، همگنی، استقلال و...) انجام و هفت توزیع گامبل نوع1، گامای­2 پارامتری، لوگ نرمال 2و3 پارامتری، پارتوی­تعمیم­یافته، حدی­تعمیم­یافته و پیرسون نوع­ 3 با پنج روش برآوردی گشتاورهای معمولی، حداکثر درست­نمایی، گشتاورهای ­وزن­دار احتمالی، حداکثرآنتروپی و گشتاورهای اصلاح­شده بر داده­ها برازش داده شد. آزمون ks برای برازش و برتری روش های برآورد استفاده شد. برنامه­ای در محیط نرم افزاری MATLAB2009 برای نیل به این هدف تهیه و تنظیم و مطابق مراحل زیر اجرا شد.

 

3-1- آزمون­های پایه

داده­ها با آزمون­های پایه تحلیل شد. بررسی ایستگاه­های هیجده گانه فوق موارد زیر را نشان ­می­دهد. ایستگاه­های بیرجند، خوربیرجند و تربت جام دارای داده پرت بالایی و گناباد یک داده پرت پایینی دارد. بررسی های انجام شده نشان داد که داده­های پرت به علت چولگی زیاد آمار این ایستگاه­هاست و تولید داده پرت از خصوصیات این داده­هاست و مشکلی ایجاد نمی­کند. علاوه براین ضرایب چولگی و کشیدگی این ایستگاه ها نیز نشان از خصوصیت ذاتی تولید داده پرت است. مثلا ضرایب­چولگی و کشیدگی بیرجند: و بوده که نشان از تولید ذاتی داده­پرت است.

آزمون گردش در بررسی اولیه نشان داد داده­های ایستگاه­های نهبندان، کاشمر،  سبزوار و تربت حیدریه غیرتصادفی­اند. نتیجه آزمون در بیشتر موارد با تغییر در مقدار n1و n2نیز تغییر کرده و نشان می­دهد نمونه تصادفی است. 

نتیجه آزمون والد ولفویز نشان داد ایستگاه­های نهبندان، بجنورد، کاشمر، سبزوار و تربت حیدریه وابسته و ناایستاست.

نتیجه آزمون من-ویتنی نشان از ناهمگنی یا جهش نمونه ایستگاه­های نهبندان، بجنورد، گلمکان، سبزوار و سرخس است. اگر این دو مورد را چشم پوشی نکنیم تعداد ایستگاه -های استان اندک خواهد شد. به همین دلیل از این نتایج صرف نظر می­شود. چون ارایه آزمون­های پایه کلیه ایستگاه­ها پرحجم است، لذا فقط آزمون­های پایه مربوط به ایستگاه مشهد در  جدول (4) آمده است.

 

 

جدول 4- بررسی آزمون های پایه برای ایستگاه همدید مشهد

   آماره ها 

n       mean         sd         cv        skew        kurt        tow       tow3        tow4

 61      4/30         69/6       22/0     653/0       535/2      127/0      174/0       093/0

آزمون های پایه

آزمون گردش

nruns=31                   Zvalue=232/0                 n1=23                 n2=38

نتیجه آزمون نشان دهنده تصادفی بودن نمونه است.

آزمون داده پرت گروبز-بک

Kn=8424/2                 Uperband=4/54               Lowerband=2/16

داده پرت بالایی وجود ندارد.      داده پرت پایینی وجود ندارد.

آزمون والد-ولفویتز

Rbar=15/65177          Var(R)=5/114848         |U|=744/0         Za/2=96/1

نتیجه: داده ها مستقل و ایستا فرض می شوند.

آزمون من-ویتنی

n1=7    n2=54     P-value=9638/0      H-stat.=0/0     Zvalue= 04538/0-

نتیجه: داده ها همگن و بدون جهش فرض می شوند.

 

 

 

3-3-  تحلیل فراوانی

تحلیل­ فراوانی پس از بررسی­های لازم و قبول آمار سریعترین بادهای سالانه ­انجام شد. هفت توزیع گامبل نوع1، گامای دو پارامتری، لوگ­نرمال 2پارامتری ، لوگ نرمال 3 پارامتری، پارتوی تعمیم­یافته، پیرسون نوع 3 و ­حدی تعمیم یافته بر داده­های تک تک ایستگاه­ها برازش داده و پارامترها با روش­های گشتاورهای معمولی، گشتاورهای وزن­دار احتمالی، حداکثر درستنمایی، گشتاورهای اصلاح شده و حداکثر آنتروپی برآورد شد. آزمون نیکویی برازش ks (در سطح 5%) برای تشخیص مناسب بودن الگو استفاده شد.

چون ارایه نتیجه تحلیل فراوانی کلیه ایستگاه­ها پرحجم است، لذا فقط نتایج برازش قوانین احتمالی مربوط به ایستگاه مشهد در جدول (5) آمده است. آماره ks رد یا قبول قانون احتمالی یا روش برآورد را نشان می­دهد. دو قانون GPA و PT3 هر دو با روش برآورد PWM (با مقدار آماره ks=0.082)بهترین برازش را برای سریع­ترین باد سالانه ایستگاه همدید مشهد دارد. دو قانون GEV و GU1 به روش PWM با کمی اختلاف در اولویت دوم و سوم قرار می­گیرند.

 

 

جدول5- نتیجه آزمون نیکویی برازش برای انتخاب بهترین توزیع سریعترین باد سالانه مشهد

آزمون نیکویی برازش با آماره ks               

نام توزیع

روش برآوردپارامترها

MOM

PWM

MML

ENT

ModM

GU1

111/0

097/0

104/0

108/0

---

GA2

118/0

115/0

122/0

---

---

LN2

106/0

100/0

112/0

---

---

LN3

189/0

241/0

---

---

---

GPA

106/0

082/0

266/0

106/0

106/0

GEV

---

093/0

106/0

---

---

PT3

100/0

082/0

---

134/0

134/0

توضیح: روش های برتر با رنگ تیره مشخص شده است.

 

 

جدول(6) خلاصه نتایج شامل برآورد پارامترها و آماره ks را برای تمام ایستگاه­ها نشان می­دهد. آماره ks در برخی روش­ها نزدیک به هم است. به همین دلیل روش­های برآورد اولویت بندی شد. جدول (6) سه اولویت را به همراه آماره ks نشان می­دهد. ksچند روش برآورد تعدادی از قوانین مقدار یکسانی داشته که در جدول آمده است. مانند ایستگاه طبس که سه روش MOM، PWM  وMMLدارای  است.

توزیع پارتوی تعمیم یافته در هر سه اولیت با 21 بار تکرار (جدول 6) بیشترین فراوانی را دارد. توزیع لگ نرمال سه پارامتری فقط دو بار برگزیده شده است. شکل (2) نمودار میله­ای تکرارهای توزیع­های برتر را نشان می­دهد.

روش­های برآورد پارامترها در کل ایستگاه­ها رفتار متفاوتی دارند. PWM روش غالب برآورد پارامترها در اکثر توزیع -های انتخابی است. این روش 31 بار در سه اولویت برای برآورد پارامترها برگزیده شده است (جدول 6). نمودار میله­ای روش­های برآورد پارامترها برای نمایش بهتر در شکل (3) آمده است.

 

 

 

 

 

 

 

 

جدول 6- برترین توزیع های برازشی برای ایستگاه های انتخابی به ترتیب اولویت

ردیف

نام ایستگاه

اولویت اول

اولویت دوم

اولویت سوم

 

 

نام توزیع

روش

مقدارks

نام توزیع

روش

مقدارks

نام توزیع

روش

مقدارks

1

بیرجند

GA2

MML

127/0

GA2

PWM

129/0

GA2

MOM

130/0

2

قائن

GEV

PWM

127/0

GPA

ModM

128/00

GA2

PWM

129/0

3

فردوس

GA2

PWM

075/0

GPA

PWM

078/0

LN2

PWM

082/0

4

نهبندان

GU1

ENT

122/0

GU1

PWM

126/0

GU1و LN2

MOM PWM

131/0

5

بشرویه

GPA

ModM

110/0

GPAوPT3

PWM

113/0

GPA

MOM

116/0

6

خوربیرجند

LN3

PWM

107/0

GPA

ModM

119/0

GPA

MOM

123/0

7

طبس

GA2

MOM وPWM  و MML

083/0

GEV

MML

084/0

LN2

PWM MOM

086/0

8

بجنورد

LN3

MOM

092/0

PT3

ModM

115/0

GEV

MML

117/0

9

مشهد

GPAو PT3

PWM

082/0

GEV

PWM

093/0

GU1

PWM

097/0

10

گناباد

GEV

MML

105/0

GPA

PWM

137/0

GA2

MOM

139/0

11

نیشابور

PT3

ModM

095/0

GEV

MML

097/0

PT3

MOM

101/0

12

سبزوار

GPA

ModM

081/0

GPA

MOM

084/0

GPAو PT3

PWM

099/0

13

تربت­حیدریه

GA2

PWM

089/0

PT3

ModM

090/0

LN2

PWM

098/0

14

تربت جام

GU1

PWM

084/0

GU1

MOMENT

088/0

GEV

PWM

088/0

15

قوچان

GPA

ModM

149/0

GPA

MOM

152/0

GPAو PT3

PWM

158/0

16

کاشمر

GPA

PWM

151/0

GPA

ModM

168/0

GEV

MML

187/0

17

سرخس

PT3 و GPA

PWM

111/0

GEV

PWM

113/0

PT3

MOM

124/0

18

گلمکان

GEV

MML

115/0

GPA

MOM

132/0

GPAو PT3

PWM

133/0

 

 

 

 

 

شکل(2) نمودار میله­ای فراوانی هفت توزیع برازشی در سه اولویت انتخاب

 

 

 

 

 

 

شکل(3) نمودار میله­ای فراوانی پنج روش برآوردپاراترهای توزیع های انتخابی

 

 

سریعترین باد سالانه با دوره باز گشت 2 تا 1000 ساله برای کلیه ایستگاه­ها با توجه به اولویت اول جدول (6) محاسبه و نتایج در جدول (7) آمده است. نتیجه تحلیل فراوانی که به صورت سریعترین باد با دوره­های بازگشت ارایه می­شود باید از دو دیدگاه پذیرفته شود. این دو دیدگاه آماری و فیزیکی این پدیده است. دیدگاه آماری با آزمون­ها و موارد دیگر انجام که در جداول (6) و(7) آمده است. دیدگاه فیزیکی معقول بودن باد برآوردی با دوره­های باد مختلف است. دو ایستگاه بجنورد و خور بیرجند از دیدگاه فیزیکی مشکلاتی به شرح زیر دارند.

برآورد سریعترین باد سالانه در ایستگاه بجنورد با اولویت اول و دوم جواب پرتی ارایه می کند. پاسخ اولویت سوم معقول است که آن رابرای این ایستگاه در نظر گرفته شد.

برآورد سریعترین باد سالانه در ایستگاه خور بیرجند با هر سه اولویت جواب پرتی ارایه می­کند. اولویت چهارم (توزیعPT3 با روش برآورد PWM با آماره ) جواب معقولی می­دهد که برای این ایستگاه در نظر گرفته شد.

 

جدول 7- سریعترین باد سالانه (گره) در دوره های بازگشت 2 تا 1000 ساله ایستگاه های خراسان با بهترین توزیع انتخابی

دوره بازگشت

2

5

10

20

50

100

200

500

1000

تربت جام

9/31

35

4/36

6/37

0/39

0/40

1/41

4/42

4/43

      تربت حیدریه

6/27

3/34

3/38

8/41

9/45

8/48

6/51

0/55

5/57

سرخس

2/35

0/45

2/51

5/56

3/62

0/66

1/69

6/72

8/74

سبزوار

32/0

0/39

7/41

3/43

4/44

8/44

0/45

2/45

3/45

 نیشابور

0/29

0/34

7/36

0/39

6/41

4/43

1/45

2/47

7/48

کاشمر

6/25

4/30

6/31

1/32

3/32

3/32

3/32

4/32

4/32

 گناباد

1/30

2/34

2/36

7/37

1/39

9/39

5/40

2/41

5/41

          گلمکان

8/43

9/55

1/63

4/69

9/76

3/82

3/87

7/93

4/98

قوچان

9/22

6/33

2/40

8/45

7/51

4/55

4/58

7/61

8/63

بجنورد

6/50

4/65

2/73

4/79

0/86

1/90

5/93

2/97

5/99

نهبندان

9/30

0/35

1/37

9/38

2/41

9/42

6/41

8/46

5/48

 قائن

0/33

5/38

8/41

8/44

4/48

9/50

3/53

2/56

2/58

خوربیرجند

0/46

4/61

6/70

8/78

8/88

9/95

7/102

3/111

6/117

 فردوس

2/26

0/32

3/35

2/38

6/41

0/44

3/46

2/49

3/51

طبس

8/27

2/36

2/41

7/45

0/51

8/54

4/58

0/63

3/66

بشرویه

7/24

4/33

1/38

7/41

0/45

8/46

2/48

5/49

2/50

بیرجند

5/29

1/34

7/36

9/38

4/41

2/43

9/44

0/47

5/48

 مشهد

8/29

9/35

4/39

5/42

1/46

6/48

0/51

0/54

1/56

 

5- نتیجه گیری

تحلیل­ آماری سریعترین باد سالانه 18 ایستگاه خراسان بزرگ پس از بررسی­های لازم ­انجام شده است. هفت توزیع گامبل­نوع1، گامای 2 پارامتری، لوگ­نرمال 2 پارامتری، لوگ نرمال 3 پارامتری، پارتوی تعمیم­ یافته، پیرسون نوع 3 و ­حدی تعمیم یافته بر داده­های تک تک ایستگاه­ها برازش داده شد. پارامترها با روش­های گشتاورهای معمولی، وزن دار احتمالی و اصلاح شده، حداکثر درستنمائی و آنتوپی برآورد شدند. آزمون نیکویی برازش ks در سطح 5% برای انتخاب بهترین توزیع استفاده شد. قوانین احتمالی برگزیده به تفکیک 18 ایستگاه در جدول (6) آمده است.

توزیع پارتوی تعمیم یافته 21بار در سه اولویت توزیع برتر است. روش گشتاورهای وزن دار احتمالی روش غالب برآورد پارامترها در اکثر توزیع هاست (شکل 2 و3). دو ایستگاه بجنورد و خوربیرجند از نظر فیزیکی با اولویت­های آماری جدول (6) هماهنگ نبوده به همین دلیل برای محاسبه دوره بازگشت سریعترین باد سالانه از اولویت­های بعدی آن­ها استفاده شد. نتایج نهایی تحلیل فراوانی سریعترین باد سالانه ایستگاه­ها در جدول (7) به ازای دوره­های بازگشت 2 تا 1000 ساله آمده است.

 

تشکر و قدردانی: پژوهش حاضر به عنوان یک طرح پژوهشی با پشتیبانی مالی معاونت پژوهش و فناوری دانشگاه آزاد اسلامی مشهد انجام شده است. از مساعدت های این معاونت صمیمانه قدردانی می شود.

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/

16-  http://www.weather.ir/

17-  Edmond, F., SchulzVictor, A., KoelzerKh. 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.