چکیده:
از آنجایی که معادلات رگرسیونی منحنیهای سنجه با توجه به تبدیل لگاریتمی آمار دبی جریان و رسوب معلق به دست میآید دارای اریب زیاد هستند. در این تحقیق از ضرایب اصلاحی به منظور بهبود نتایج روشهای برآورد بار رسوبی رودخانهها در ایستگاه هیدرومتری بشار و زهره با شاخصهای مختلف دقت و صحت استفاده گردید. از این رو تحقیق حاضر در صدد ارزیابی عمل کرد پنج روش منحنی سنجه از جمله FAO، MVUE، LQMLE، LRC، Ls در دو حالت حد واسط دستهها و در حالت بدون تقسیمبندی دادهها بوده است. به منظور ارزیابی کارایی منحنیهای سنجه رسوب و انتخاب بهترین آنها، از شاخصهای مجذور مربعات خطا و ضریب کارایی استفاده گردید. محاسبه ضرایب اصلاحی با معیارهای مجذور مربعات خطا و ضریب کارایی حاکی از این است که در ایستگاه بشار روش LQMLE حداکثر میزان ضریب کارایی (92=CE) و حداقل خطا (38/0=RMSE) و روش LS کمترین میزان ضریب کارایی و بیشترین میزان خطا (86=CE و 94/0= RMSE) را ارائه نموده است. در حالت معمولی نیز روش LQMLE حداکثر میزان ضریب کارایی و حداقل میزان خطا را داراست (82=CE) و (38/0=RMSE) و روش LS کمترین میزان ضریب کارایی و بیشترین میزان خطا (86=CEو 94/0= RMSE) را ارائه نموده است. محاسبه ضرایب اصلاحی در ایستگاه زهره نشان داد که روش LQMLE حداکثر میزان ضریب کارایی را داراست (95=CE) و روش FAO کمترین میزان ضریب کارایی و بیشترین میزان خطا (58/1-=CEو 48/2= RMSE) را ارائه نموده است. در حالت معمولی نیز روش LRC حداکثر میزان ضریب کارایی و حداقل میزان خطا را (95=CE) و (53/0=RMSE) کسب نموده است. از سویی در بین روشهای مختلف روش LS کمترین میزان ضریب کارایی و بیشترین میزان خطا (7-=CEو 88/3=RMSE) را ارائه نموده است. در مجموع روشهای مختلف و ضرایب اصلاحی متفاوت منحنی سنجه رسوب در حالات بدون تقسیمبندی دادهها و در حالت حد واسط میتوان نتیجهگیری کرد که در اکثر مدلها روشهای LQMLE و LRC بهترین روشهای محاسبه رسوب بوده است.
Regression equations of sediment rating curves are too biased due to the logarithmic of the discharge and suspended sediment data. In this study, correction coefficients were used to improve the results of river sediment estimation methods in Bashar and Zohreh hydrometric stations with different indices of accuracy and precision. The present study aims to evaluate the performance of five methods of rating curve including FAO, MVUE, QMLE, LRC, Ls in the case of intermediate categories and no category situations. Root mean square of error and coefficient of efficiency indicators were used to evaluate the performance of sediment rating curves and to choose the best of them. Results of root mean square of error and coefficient of efficiency indicators computation indicates that in the Bashar station LQMLE method is provided maximum coefficient of efficiency (CE=92) and the minimum error (RMSE=0.38) and LS method had the lowest coefficient of efficiency and highest error (CE=86 and RMSE=0.94). In normal state the same results has been obtained. Zohreh station correction coefficients results showed that the maximum coefficient of efficiency is related to LQMLE (CE=95) and FAO had lowest coefficient of efficiency and the highest root mean square of error (CE= -1.58 and RMSE=2.48). In normally condition the LRC method has achieved maximum coefficient of efficiency and minimum error (CE=95) and (RMSE=0.53). On the other hand, amongst the different methods, LS is provided the lowest coefficient of efficiency and the highest root mean square of error (CE=-7 and RMSE=3.88). In general, by application of different methods and different correction coefficients of sediment rating curves in cases of non-classified data and the intermediate state, concluded that in most models the LQMLE and LRC is the best method of calculating sediment.