!" # $% & ' ( #) !

*% + *, &
 !
, " # $ %& ' ()* + &
4 2 3-./ # /01 ,
4 2 56 -./ # /01 7( 8 9 5 26 ,
: ! ,
< %; ,
< > = 6 # /01 ,
< ?(@ ! 23 ; A" = 6 # /01 , ,
%B 3 C+ ?D6 # 6 4
F %B 3 = 5E83 :
# /01 <
<
2 > & <
, 5G GH <
< I 56 G! @3 # /01 , <
< 3 # /01 ' ()* & J
< L ) 9M ! 3 2; K J
! 3 N6 * $ OEP # /01 26 J
## """""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" !
#( """"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" ' % & ' &% $
#( """"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" $
#3 """"""""""""""""""""""""""""""""""""""""" % & + , - . /01 ' 2% )* $
#6 """"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" 5 4 , $
#7 """"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" $
#7 """"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" ; 2 8 % 9: # $
#7 """""""""""""""""""""""""""""""""""""""""" - * ' 2% < => ' &% & #$
(D """"""""""""""""""""""""""" %@* 8 A>B C ' % & ' &% ? 0: ( $
(# """""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" ' % & ' &% A 3$
(3 """"""""""""""""""""""""""""" E & . FGH : A>B B I 6$
(7 """""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" IB D

($ """"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" #
($ """""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" - J8 K '> #
3 """"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" H- K L M ! ##
3 """""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" = N .O P ##
3# """"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" ' * * ' & : 8 ##
3( """"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" Q '& : 8 ###
33 """""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" : R STU ###
37 """"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" - A S! C K ###
37 """""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" CV K # # # #
3 """"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""" ' &% (###
4J 2" B ! ,
:F @H ,
: 2[ 3 \ ; 26 4
: \ 23 4
: = 6 E H > 2(b ! 2 56 O 6 @^ 4
:, 9" :
./ ,- "$ $ "$ ! ' *+
:4 ,
:4 e2 56-./d 2 e 5 aE$dZ '3 ; G* ,
: # E6 ) 2 & ,
< 2 1 69D 5 , ,
< \ # /01 4 ,
< 9" :,
6 3 4 5 2 01&!
J = 6 EH> '^ 4
J = 6 EH> ! 4
J: = 6 E H > V3 4
J V3 W H 2 3 ,4
F 9" 44
: ,- $ 9 078
F :
F " %; O86 # T8 :
F4 " %; # T8 :
F4 @H # T8 :
F4 2" B !'3 ; # T8 :
FJ 2" B ! :
\ !2" B . , :
@ =$ ;> "' $? ;&2 0;<
<
@H V3 2(> \ 5> <
: & ! @H V3 \ 5> <
< 3 ! @3 <
,, ! ! @3 <
4 9" ,<
/ A $ 0;7
4 J
4, ^ 3 ' ()* !R J
4< ! \0 6 J
4J 2*_ . ^ !93 * , J
4J $ * > 'E & 'E & 93 * ,J
4 \ E3 93 * ,J
4 $ ; 93 * ,J
:F \ f H 93 * , , J
:F ! 93 * R !R 4J
:F 2a ; & R R 4J
: #K 'M ^ R 4J
: =. R 4J
: =. \ R ,4J
: 5 .! 5 R 44J
: R 2 B != + :J
: ! 6 E$ < J
: H >O 6 E$ R <J
:, 73 I" & . R <J
:4 \.^ 2 ; ! . JJ
:4 \ . ^ 2H g 9 * 2 ; & @! . JJ
:: \.^ . JJ
:< ! C 8 OG" 6 R J
<4 V3 2 3 FJ
J4 @H &% O & G ; 1 = > h )H P J
J< 9" J
6) e d "9 - $ , > 0*>
J
S \ ! 3 OG" " ! %; W@3
! " %;
# %;
! " 26 5$Q M 2( %> $ G* %;
4 %; ! 3 # T8
: %; >R
F %; !2" B . 5g ,
4 9"
@ E B-C > =$ ;> D 0
< F
< iBj O KM # T8 F
iBj S # + # T8 F
, iBj S ^ ' ()* 'b ^ V3 , F
< e2@ ( 26 ;d (> !
4 e26 ; 2@ ( d (> !
!" #$ %! & '( ) * +, % - ./
- %! !$ 0 1 '2 )- 34 153 " 6* 2
'( =- ' ;<<< # /" 89 : 7!" $
3 !4 & > , ? '- /- @
@ &AB 9 C *! 'D * E 3& "
GH I % ! " J B F< C @ &AB : /, "
%LM $ N I : MH" J B : 7) % " K C(
4 */" 3 '( O & OB 3 0 I % !" ) P
@GH !+ I % !" 3 J B: 3 7), Q G -
94/ " % % " I 3 % !R 0
# $ S %T $ E : $
7 IJ U 0 @ GH
M *! 3& ) R %T $ " 3 Q G- :
% ( 3 C( !3 C % = W V 0
% 34 > " 2 ' / X + !3 3, )" +
7!"! I N " %! & Y " Z * ! @ [ [R M \
 ‫"!‬ ‫‪# $‬‬
‫‪*$ / 0* # 1 2-. %‬‬ ‫('"&‬ ‫" ‪) *$ +‬‬ ‫‪*,-‬‬ ‫"‪*$ *$ +‬‬
‫‪1 ? @A$‬‬ ‫‪$B =>>= 4 ;<<= 8 9‬‬ ‫‪: 7, ) 3'4 % 56‬‬
‫‪B 6 FE> A C‬‬ ‫) ‪# $‬‬ ‫* ‪(* -‬‬ ‫*‪59‬‬ ‫‪4‬‬ ‫‪' 2D C‬‬
‫‪8‬‬ ‫‪%$" 5‬‬ ‫‪I‬‬ ‫"*‬ ‫‪C "9 *$‬‬ ‫‪G‬‬ ‫‪! J $"I5‬‬ ‫‪H@9‬‬ ‫‪$ G‬‬
‫" ‪*$ *$ +‬‬ ‫‪N* ,G O C & ? H@9 $"I‬‬ ‫‪KL M‬‬ ‫?‬ ‫‪@A$‬‬
‫‪*, -‬‬ ‫" ‪*$ *$ +‬‬ ‫'‬ ‫( ‪*$ P‬‬ ‫‪5') * @9‬‬ ‫‪$" *,-‬‬
‫‪H‬‬
‫‪O 26 0 'Q‬‬ ‫@ ‪J# * M5) : - $‬‬ ‫‪G R5O @9‬‬ ‫‪S‬‬ ‫‪' *$‬‬
‫‪% AT‬‬ ‫‪) NB4‬‬ ‫‪? $ *" K‬‬ ‫)‬ ‫‪$ I) * *$‬‬ ‫‪56‬‬ ‫‪J‬‬ ‫‪U‬‬
‫دﮐﺘﺮ ﻣﺠﯿﺪ ﺟﻨﺪﻗﯽ ﻋﻼﺋﯽ ‪ ،‬ﻣﻬﻨﺪس ﻣﺤﻤﺪ رﺿﺎ اﻟﻬﯿﺎر‪ ،‬ﻣﻬﻨﺪس ﺣﺴﯿﻦ ﻣﺜﻘﺎﻟﯽ‪ ،‬ﻣﻬﻨـﺪس‬
‫ﻋﻠـﯽ ﺷﻮﺷـﺘﺮي زاده ﻧﺎﺻـﺮي و ﺧـﺎﻧﻢ ﻣﻬﻨـﺪس ﮔﯿﺘـﺎ ﺑـﺮادران اﺑﺮاﻫﯿﻤﯽ ﻧﯿﺰ ﻗﺪرداﻧﯽ‬
‫ﺑﻌﻤﻞ آﯾﺪ‪.‬‬
 ! " #$
#$ & / . , - % ! & '$($ )* " $+
" #$ 45* + - 6 78% 01 % 23 0
" %9 :; $< 0 0= % : > 6 " > ? @
1 $% % ! 0 $@ . 6 A$ $ ' " % 8- )B3
E 0 5 ?@ #$ C 0 + - 9 8> D$3 !- " %
. - !A # $ >F % C G = #$ 6B 45* 2

H$ ' $> H "% 1E I % $J

#$ " H$ ' = G : $ 0K H $ " )
4 @ E 2 H " % H, % ! 3 > 2 N%$ M LH
% - O$> 0 B : A + 0+ 82 - P $Q1
& 2 W . > 6 H, R S> !' T > ; & U U= %V
: $ 6 " >L 8 " " " > $
$ %& '( ) * + ,- , . /01 2 134 ! " #
= 05 $ 1"# #$ 7 6 8 9 :;* ( <0 777 56 - 4
,- B 6 ) > # ?@ 8/A * #
#$ ) 6 C "# # 9 %* B 9 6 D "E
$ %!E . #7 "% ; FG 8
) 6 # 0E "# ) ? H 6 . C;I = J0
( L- 8 5! E # $ ,- 7 K 2 I C>E E 8
# H 6 6 &0 $ , . C;I .
) ? 7 8 " ) ! " 5 9E 8 ( # ) "% 4
B .6 ,- B 6) > # $( H 6 ( 9 :;*
M * 134 N: & CO8) # # ( 2 P&O
7 8 " (
Q # " :R "E # ":R 9 $ ) ! S
" 6S 6 ) ) # 4 , 2 P&O # + ) ! B .6 "#
$ ' ) ! "# B ":R 3 VWWV C 8( * TUUV
) , 6 " :R = 6 ) ) # "E " , " * $ 01 X -H:
/ %4 B .6 ) CA 7 # 3 VWWV % * TUUV " 6 S
7C 8 B31 \[W 9A R ) - #Y 4 O Z ,8
C ! ]- X # C , ) ! S Z ,8 DR 6
7C 8 ^ _ * 9P- B .6
 # ! "

& '[@ 2 :G R S> " > $ l $> % 43

" ; H $ > m5* :& '[@ %n! O % \ $A$
A$ 7% '[@ \8 Y 5 > 6C 4 X>$XP : '[@ \
% 3 M... % % $! % : : $A$ 3: L /$ $'
. $- + :9 H$ ' % & '[@ "% ,

% df o ; ? ' Y, #$ 8 3 " $J
o = % & K$4 + : 01 % ? 'C n 1 > #$ 9U> B>
BA c$ & '[@ & '[@ :M? ' " )-L J> $ 3 pA
. - + 9 H$ ' Y, _W % " & " & p
L $% !> 3$@ & / :9 " " " >$- #$ /
B > M > % df o ; l$ 9 1 H * *6" o H$ " 0'
. 3 6 J> M 6 9$@L Y, O 9$@ p H 85 & /
 $

= J> $ > ) > "o = D$3 ['

. - " > $ 1$ > " Q2 B> X : Z-$
& '[@ :$- B ` 9 )8- 1 % ; B> o =
* " % . % # 1 U S %? '
H$ :q + c U> ; $ % X $ 8 " " ! X
.$ > 8 B> ( 9 : > " ['

! " #$%
H " % " > l$ > O % #$ B >, " >$6 >$6 23
i % 7 0r & - B6 . % - R S> G R S> = E0 5
8 . % - ! $> H "% > -: J> H6
. % * & * " - ,\ A & '[@ & - B6 *
% - $ ] 0@ s :H ' O 3` 0+ UW C 0 $ \ A i B6 ;
- ! ) , % -$ 0 B N%$ ]0@ . % tH ' O 3` 0+
- 9$@ A wx vg - u ' A fj fg = UW %
- , 6 & * ]0@ ! % $ . Z-$
, 0= S >. - deze djwy !% ... :#$ :H A
. % - > 9 A $ > & $4 $ a
l$ > % Y . % Y : " X \A
8% = & '[@ : X % & '[@ - #$ " $A$ & '[@
> 3. % - ,\ A d * " * & '[@ Z !-
a : - !>, $ * $ % 8 > * & '[@
% 8' =K9 " ] & * " , %
 % ! "

! %$> : 0 C U ; . > 36 % $ $A$ & '[@

#$ ; l$ 9 1 H$ UW - C U UW dgy H !A ",
. $ > # 5 % c$ 9 A" 9 % " 43 m5* !A $ :l
. 6 xe UW H ' xj UW O 3` 0+ C U
% ," : > + UW #$ CG X & - B6
UW i B6 . > 8% = q + X ; I #$
% - 6" > , * & * ," $AO >
#$ & 4 5* #$ $ i " %
. % 8% = X f E0 5 ! *6"
d
6 H 3$@ / % !P X $ i B6
#$ $ i O$> ; $% *U> " % +
. % 8% = E0 5 ! *6" H 3$@ #$ & 45*
#$ j ," 5> : % c$ !-$ UW X i B6
]^ % - % #$ Z 9$8 \ "$ i" !-$ X
i ' $* X % , " #$ & '[@ Z
. % $ > %
23 B+ #$ C0 $ B> 2 &F U & - B6
- !>, l$($ 7% i B6 $A " -R S>
. - $+

, -*+' '() &

{ =" A + 0+ O % \ $A$ & '[@ :Z5

! "
#" #
 &

f
O 3 ` 0+ : B + L J> $ 1 $> > ) Z-$ B :d
. 6 % $ MH '

x
> ] 0X> X ,o N%$ dzev 9 % " *U>
P " :H !A % % ! , " *U> xxgg * > [' $% . > - ! $*
* U> . % " r, B > M L;> ) *U> n ! Z 9 %
" : > - ! J> $> c$ $ K " #

1$ % % ! = S $> n " "

E 05 $* $% 6 >? @" *U> . > 1%"
H ' O 3` 0+ o = " # *U> " Q2 . - !
'dv& . > *U> B+ = " #. % ,df9 A

d } d|vgg|ggg > H ' fjvj

d} zvg|ggg W B nX fjxz
d} zvg|ggg B nX fjvd
d } dfv|ggg B nX $A xdzd
d } dfv|ggg B nX xdzf
d } dfv|ggg B nX - Z5 xdzx
d } dfv|ggg B nX r xdzy
d } vg|ggg !- A !- xvee

( #
(
) $ % * " # * # ++ , $%
 ' ! "

" H, $ A$ S %? ' & '[@ % - ! N%$ B3 R >

M - - .0) ) 1L G > -. / X
. % -# 5%

" # $ %&' !
- !, " & > - *U> : $* *U> H " %
3 3 P * U> & $K % ! $* $A
H " % *U> " 2 G . - ! ]
% > - +] 3 & $K $* $A -
H " % X, * U> . % - 8 2.#.3 !>, 3:G
. % - , b9 A dxjf *U>

()* + ,+ -. " # $ %&'

H ' O 3` 0+ o = " d } xvg|ggg O U *U>
H ' 1 $% d } dgg|ggg O U *U>
6 T +n1> d } zv|ggg O U *U>
:B R %$ $+ n 1 > d } vg|ggg O U *U>
T F C*
B o BA n 1 > d } xg|ggg O U *U>
!-$ d } fv|ggg O U *U>
-B S & '[@ $ P *U> & $K X H "% & '[@
. - >O % c$
 (

#$ " ! !
!"# !"#
$
)5
6 7 11 8 9 . 406 : 11 8 B>
fggg deeg - 411 d } dg|ggg d
)5
6 )1 ;1 8 9 . 406 )1 ;1 8
):
6 )5 5; 8 9 . ;6 5 11 8 !-$>
fggd deed - 411 d } dg|ggg f
):
6 4 ; 8 9 . ;6 ) ;1 8
)5
6 ; 51 8 9 . 406 ;) :1 8 !-
fggg deex - 411) d } dg|ggg x
)5
6 ) 11 8 9 . 406 ;7 11 8
)5
6 4 ;1 8 9 . 406 ;7 11 8 - !-
fggg deex - 4114 d } dg|ggg y
)5
6 0 01 8 9 . ;16 1 41 8
):
6 ;1 71 8 9 . ;)6 7 :1 8 ,
deee ~ - 41 d } dg|ggg v
):
6 ;4 51 8 9 . ;)6 ; :1 8
):
6 4: 11 8 9 . ;)6 ;) 11 8
fggd ~ - 41 ) d } fv|ggg w
):
6 ;0 11 8 9 . ;46 1) 71 8
):6)0 )) 8 9 . ;6 )) 11 8 0
fggd ~ - 41 4 d } fv|ggg z
):
6 47 11 8 9 . ;6 4 ;1 8
):
6 )0 )) 8 9 . ;6 ; 11 8 H 3
fggd ~ - 41 ; d } fv|ggg j
):
6 47 11 8 9 . ;6 )) 11 8
)5
6 7 11 8 9 . 406 4 ;1 8 B>
fggd ~ - 41 : d } fv|ggg e
)5
6 ): 5; 8 9 . 406 ) 11 8
):
6 ); 17 8 9 . ;6 ; ;1 8 !-$>
fggf ~ - 41 5 d } fv|ggg dg
):
6 44 ;1 8 9 . ;6 4 ;1 8
)5
6 0 41 8 9 . 476 ; ;1 8 %,
~ ~ - 41 7 d } fv|ggg dd
)7
6 : 11 8 9 . 406 1) 11 8
):
6 ;4 11 8 9 . ;16 )4 11 8
fggf ~ - 41 1 d } fv|ggg df
)5
6 1) 11 8 9 . ;6 4 11 8
):
6 ;0 11 8 9 . ;)6 ;; 11 8 H* 6
fggf ~ - 41 d } fv|ggg dx
)5
6 17 1 8 9 . ;46 1) 11 8
):
6 47 11 8 9 . ;16 45 11 8 )
fggf ~ - 41 d } fv|ggg dy
):
6 ;5 11 8 9 . ;16 ;4 ;1 8
):
6 )0 7 8 9 . ;6 ; 11 8 0
fggd ~ - 41 0 d } xv|ggg dv
):
6 47 11 8 9 . ;6 4 ;1 8 H 3
)5
6 ; 11 8 9 . 476 4; 11 8 ^* %,
deee deev - 411; d } dgg|ggg dw
)7
6 44 11 8 9 . 406 7 11 8
):
6 )1 11 8 9 . ;6 ); 11 8 0 0'
deee deev - 411: d } dgg|ggg dz
)5
6 1; 11 8 9 . ;6 4 11 8
):
6 ); 11 8 9 . ;16 ) 11 8 !-$>
deee deev - 4115 d } dgg|ggg dj
)5
6 11 ;1 8 9 . ;6 )7 11 8
):
6 ;) 41 8 9 . 406 ; 11 8 [ $)
deee deev - 4117 d } dgg|ggg de
)5
6 4: 1 8 9 . ;16 ); 11 8

):
6 )7 11 8 9 . ;6 )7 11 8 0
deee deev - 4110 d } dgg|ggg fg
)5
6 11 8 9 . ;)6 44 11 8 , B+
):
6 41 11 8 9 . ;)6 11 8
deee deev - 41 1 d } dgg|ggg fd
)5
6 ) 71 8 9 . ;46 1; 11 8 !*!
)5
6 1 :1 8 9 . 476 ;4 11 8 B>
deee deev - 41 d } dgg|ggg ff
)5
6 ;4 01 8 9 . ;16 11 11 8 !-
 ) ! "

!/ - 0 123 3 .
. % H %$> f 1 -a6 9 % % B+ Y, _W% "
9 % $* # + + B+ ! X 6 " > ? W H, U
% $ + R$ F dxzy 9 % Y, _W% . % - 8/ dxvw
B> X Y, _W% H %$> . % - " r, Y, _W% " B> % H, " ]
H*> > ) > B+ & U U= B H "% !- O%
B > ! -$> X Y, _W% " . - > ?8W X ) •U
B> X H, > C U C - $A$ dxjd dxjg !%
", _W% " l !• 8 $ % R"F " . €[ +
Y, _W % " & p . 6& $K S % !• ‚ 8/
. - d f )- ? W !-$> B> ! X

/1 ) //0 )" '( )# *+, #$ - . %&'

 *

F ; 1 Y, " : " o = \ !% 0 $@
B3 S %? ' 3 !U ' ; :H, / 3 6 J> % ,
. % -

!/ - 5 678- 4
! H 85 : B + 9$ 2 X> N - H " 43
‚ 2 H 85 S . $- * F$ P K N+ 9 -
" . - 1H ‚ ) $W : % H > ?3 1%" _W%
. >$ 5 K vg > 3 9 1 = 1H H 85
dezdƒdezf dewjƒdewe :deveƒdewg :devxƒdevy 5 % !> "
= R 6 !> " . % B> K K = H 85 =
f f 9 ) -L $ - \ K dgg K zv = H 85
B+" 1$ % . $- * ` 0+ H 85 : > B+ .Mx f
5 ! )0 : > •[ ' 3 R 1H H 85 : >
!> " ! H 85 $ A B+ . " $- )*
. „ % ) r - 1 $% ` 0+ + %
yg~yv r -Z5 $ 2 !> " ‚ F 5(
% !> " . % > % xg~xv B+ 9 - >%
. % > % zv~ev wg~zg 7 5(
 ! "

<

4 (5 6 ( 7 6 8 " % 9 :8 2+3 %&'

4 6 (5 6 ( 7 6 8 " 4" :8 ; +,< =9 3 / %&'
%
 ! " #$ % &' ( #() #* + , -
#93 / 6#7 8 5. ) / .#01 2* 3 4
5 (;! #93 / : 1 #93 / : 4
+ 0 <= ,#(7 # 1 >(2 % &' #2 1 1
B;) # % = :- % C D ! E 4* =&? @ A
3 C( (2 9 . ; #7 : : - 5 3 C(
13 #93 / G#/ F 3 6 ,# B #) 1+ 13 1
:2 H 3 1 1 #93 / . G 5. 3 + (
1 - /I 3 (29 J / /B 6 7 0 $
# : ; 13 # 7 3 1 13 .#C#! .$ #2
5

:!. 1 #93 / : K % &' 0 $

5. 3 N / 1M / #$ 1 J/ 1 (;! L 6#7 *
#<$ .#QA /I 3 C( /3 IO0- C<(P G! L % &'
3 C( :<0- 5. :( 9 $
1M / #$ / 16 :/1 L ( H % &'
&' ,/ 5 /3 I. W ( <#! RVV T U H S :- R 0/.
Z (/ (; # 5. @ / #$ + , % / - <X %Y 4 :#U
 $

S > . > - K1 !> P" % H$ %$> 9

= " '[@ ; > >$ % - ! >
u ' UW > & $4 " -> Z - % %
H, " -> !* H > . > # 5 % i $+ 3 pA 9$@
- . Z > * > & $4 ! C %" % UW
d
! deef 9 % % X '[@ ;> %$> \ A '[@ ;>
- '[@ ; > . - _W% & * " $- , % -
A f…f > - deef 9 % > N %$ 1 -
. -

+ , ) $ )* (
: - J= & $ K #$ 8% = G A " € S>, "
.$ > % - 0 & 45* X> 0 & '[@ " H $ >
; $ Z B " Q2 :fR X ! & $4 %$> 9 " % 8-
> !A % -$ ! :; $ % X & '[@ $
$+ X H, ` > A CJ > " K $3 UW
= * x
M - >L $ & H Z B . +b
y
% -$ B B > !- ] 0X> % -$ B :H 0X>
. B 0 A" > # v
' % -O$>
@ F P % -$ 9 " G - 3 6 ) #$ 9
4 5* %% R &F 2 $- % - >

2 !>C U3 !> : F : @9 ; . 1

- " *
= !"
) ( - + (" = * > *, - >
4 ++ $%
; > 9(" *# * #- , >9 -
 % ! "

d
1 9U> ) $A . >$- 3 2 2 $3 $ " "
2 % & $4 1 Q3 : 0< ;B3 : $- R S> @ Q3
N @ $ : 69 X > " R : $J . $- 3 6 J>
I c U> 0< ;B3 >$- 8 2 % 6 )8- ; $3
> ) !> H, " 2 .M >$ - 1 &F 2 2 L $- " )8-
8 2 9 U> @ Q3 $3 O$)2 8 " %
. >$-
9 A ` > H, $A ! R G - > $- ,
B >, " '$ S & $K dejv $> G " $ Z
` > : % -$ ! Z B3 H " -a6 . % - +b f =W%
` > > - . > - F > - B> G $A$
$+9 ! )n5 > - > :deed 8 ^% . X $ 2 2
9 2L $ - 3 6 J> $3 % R fdx $ H, $ > A
9 2 L !; 9 fggg 9 % 8 $ > 9 .M A gƒvwfv > -
&"$ J> $W> . † U M A gƒxvdff > -
5 > •[‡ . > J1[ $8! B > ` > : > - Z B3
% $ deed 8 ^ % " 8 - > % - $ 9 ! 1:

.$ > A dƒdfv 1 @ > - $+ ` > : 3 6

($1 : " O$> $8 ` > P 6 > -
. > $+ ` > : - - @1 $ - N%$ 6 • K$4+ : 0+
=W % H ($1 H *> h$($ 0 '
2 U " • $ ' ?@ ' % > ' H P
.M- , 070, 00 ?, 007L .$-

(+ # (+ #
 &

2 deed 8 " 2 c$ G - 3 6 J> Z

. - % 7% 0 ' =W% H
{ =" ` > % R"F : % - $ ! ` > " 7% %
' 2 )>, 9 1 : - X J> $ > " "
!- 3 * H " -a6 ) 5> . $- X > S 78%
['. F % -$ ! U : 6" >
9 ' $ . >$ - ? p •8 B > % -$ ! $+
R > G : X >R ' R S> J1[ H$ >
: $A$ % -$ 9 5 > +, : G . > -E 2 #

` > )>, [' . $- A • S m5* > " " ;

- R S> M "L ! 6 " > " H$ : >$- X " 1
# G - > . % 9 H 8 B>&
devz > " " L = 41 Mdeey dejz > " " L = ; ! >
. % $A$ Mfggd
CJ )8 - 3 % = 3: - > $A$ 3
u ' 9$@ )8- d
% 6 )8- & $K : = 3 . -
% = @ B 3R > " : H > $+ . >$- +b f 3 pA
> MA (2 > L$ 2 C % B 3R > > % 5 > . $-
. $- A ?

" G : = 41 F A$
dg $ - - + . > - + & '[@ #$
1,
x
X> " *3 :_W% " : =W% Z :M 1 L Y, _W%

( ,
A ( BA * ( , AA
) A (
 ' ! "

d
" M A dƒdfvL $ A$ > - ! )*+ ) ) *U>
:w}gg ' % L ' % w > " K $3 fggf %$6, deef $> G > "
A$ 8 . - Mˆ $ 6 fy}gg dj}gg :df}gg
B+ H ' :O 3 ` 0+ o = 0 ' ! > -
y 43 . > - + B > & '[@ :M A gƒv ‡ 1L - F
Y 5 > o$ => 0 ' B >, 3 6& $K U
. % - h - G % $

-& ./ & $ )0 , 12 3
$ N%$ - 8/ 01 % ; $ % ! X & '[@ U
9 - > % -$ 9 N%$ - 8% = B>
C 0 ? + - ; $ % ! X 806 C% . $ $+ 9
9 ! 9 !A NU3 & '[@ . ; CG UW
& '[@ " ! X . 6 > & $K !>, " % )
: ! -$ : 0 : B> ! X }" 8' % - % G !>,
.Z BA ;% A : !-$> : %, : %$ $ : ! P

- '() " #$% :

7% . 83% 9 3 : % $ 0 2/ 5 6 4
% -$ : $> !> " % N%$ $* 45* H$
$A$ 0 6. % - 6" > U & $K > -
>$ :9 H$ % 8 ; G '[@ \ H r ['
. $- \ !> 8 $ "

. "
 (

R$ 0' )* ‰ N %$ , B> X H "% $

. > - 74 > + %H! K 2 K X*> " G$ $ )
: X>#$ $ X Z5 %" & '[@ - '$ S
? W X>#$ $ . % - )* )*+ X 01 % X
74 > H, W= $ Y, & '[@ - X ; H$ ' y f )-
R"F - [' $ > . 5 1% - % -
N+ Z* Z B 3 0' 3( - :& B !S 6 !A
dgg xg ? ' $ ! C %. C 3 W = 7% > N - !
p - X> #$ $ 3 ) $ %. % - 1 @
:Y, $-: !A : ' %: ' % : $@ : $ *3 : $
8%= X> #$ , . 6" > #$ 45* Y,
}" 8' $ U $^ N%$ -
Y, _W% $ ' & > %$> X>
#$ l &2 X> aA
#$ l 1
#$ l >
B 1 #$ 6 B C ; N%$
M ! L #$ 0 $ X>
M !3 L > F K " $8' $ X>
#$ 0 l
8 %= 01 % X 5 " ] B > #$ @
. > 6
) ! "

H 7()(:&. A(BC D & EF G$ " @ ? )# : " ( > %&'

$ . - v f )-? W )> B+ > - $ 0 >

A *3: !A ' % 8 " $A $' $ '[@
#$ & 45* Y, 0+ H A& 1 A :$ & 1
X $ % 3? @" S &$K 2 > " K $3
. 9% 01 %
 #*

& GJ G9 ' ( I %&'

? 0 - + % !-$ ! P % -$ H " % $
l$ > 2 . $ #$ l 6" > NU3 $ n>$ > . -
l '% % % - ! P $ & '[@ . - " H, ? 0
! . - #$ G > Y, _W% :#$ $ : 45* #$
}" 8' !-$ $ - 8/ , & '[@
H, + 6 " > l -M U ' % :" : :9 % b L H "
. % - 9 % _ =K & $4 '[@ K
!" 2 " 2
# ! "

!B 1 B 1

! B) B)

! * *

0 2/ ; /< = >?@ 4
, : B> ! X c$ B+ $ " , %
- !X> 74> H " % N%$ , B> $ . - )>
. > $ > 8/ w f $ > ? W dxjd dxze !% #$ & '[@
9 %; • 8 U , H$ • !> : $ - S 0'
#$ & '[@ 8/ : ! * . , % $ " %$ > & $4
. - $A$ #$ & '[@ NU3 ! " + - R S> H B & $4
. - X ) "& #$ & '[@ 8/ !'%C $ "
& > " " !P E0 5 \A y " )> $ " , % & '[@
. % - m5* w f $ > !>, > " " l$> :& '[@ \A . -
!A ! X %$ B+ > $ : )> " , % & '[@ U
$ ‡ #$ : $ . - 9 * ", A
R ' 0' 8 . > - - M" j N%$ $W L H B & $K
. > $A & '[@ " % H) " " D$3 > -$^
$ B+ C0 $ >H :& '[@ % R \A
H *> & '[@ , : B+ > $ > " > -$^ $A
", X* > : >H :B+ #$ Z :> 2A @ 3L
$ a & '[@ 9 1 .M& U U= R$0' 1 [%
. - - 8 - i$5 % R + , 0= S A
& '[@ 3 6 " > " " % - $ H " % $ & '[@
 #

> "R 6. % $ > 8/ #$ !A $ :#$ 45* l - #$

8 > % : !>, H $ !A 0' $ U xg & '[@ -
'[@ 3 % % R ' Cr 0' . % $ > B 1 $A$ \ %
. 3 6 % $ 8 $^ 7% 3 $A$ i B6 : $ a
B > >$ - : )> 6 >" > $ 45* 6 " > %
6 " > - > & 2 W R S> R + # ( %$ )
$ >M !A ' %L M G > E@ !A : $ :l L #$
R 6 0 . - $A$ i B6 7 H, ` > ) 3 6 0=
%$ 6 " > U dv - - '%w > "
R '. - #$ %$ 6 " > U xg % -$
$ > 70 K ? U R S> H ) : $ R+ % %
H$ ' H, " )> % - $ $ H, 0 ! 8- A$ H$ ) %
.$ > % $

@GA@MEDDEN @GADMEDD@N @GKBMEDDDN

.9:
8#
@E @@ @D B A K J I H G E @ @E @@ @D B A K J I H G E @ @E @@ @D B A K J I H G

;
0 C

EDDG
@E @@ @D B A K J I H G E @
<=>?

@BBD @BAB @BAA

@E @@ @D B A K J I H G E @ @E @@ @D B A K J I H G E @ @E @@ @D B A K J I H G
L

/
C F

@BBE @BB@
@E @@ @D B A K J I H G E @ @E @@ @D B A K J I H G E @
0*

/
.

! "# $ # % &'(
)* + (, - . $ / 0* # 1 ( , %23 .45
)* 67 . $ / 0* &'( "#

#$ ( D D (2 K %&'
#% ! "

9 " H$ % 8 R B • Q2 : " o = 2% Z B3
X !- " % ( . - N% @ U>
6 1 %" c U> #$ H , % 6" >
. $- % 7% >)
1 : $ ? @ " #$ 6" > + !% !3 *
% $ ' ! ) >$6 ‹ , D$3 " >
6" > % !- :$ Z ! B > #$ n8% = !A
#$ ! 0@ Z P 1 . - p 91 B > # $ & '[@
C 0 % - n0 % ! : $ 6 " > B> ! * & * " K1
01 2% J> " $ 6 " > H$ : > $ # $
+ - D$ 3 & '[@ % !A ) \8 H $ ' > %
. >$-

/0 ; /< C/ D " $ &' ! B% A

#$ ! 9 % : $ ? @ " #$ 6" > O%
c 8 Y, _W % ". - *6 ] 3 Y, _W% $
3 ] & 45* & S 78% : #$ l )- U
H W 7 . $- ] & 45* $ N%$
$+ 8% = #$ :m+ - #$ l *6 ] & 45*
. $- 6" > *6 ] H $ A$ B> ' %. $
2 % 4 ! : $ N %$ #$ & 45* 6" > X i
4 i" n0 % #$ E 0 5 n8 % = _W% "
2 % M > ) > L F, n2 W i . -
.
 *( ) ! " #$ % & '

,0 * ' (+ ,- .) /
) 4 0 56 7 1- 8 2333 1 !
?0 & * ) < = > 4) 9:' ; - $ /
A ' 0 @ ' ,0
0 C -: 8 #) B ,0
* ' K #D E ; F#D F#D G #D H IJ
#) 4 KI H L ,0 #- ) ,0 D
C C 0 F 0 =
*
' 1:") M$ 56 #) ,0 ' ! 0 0
* N$ 7 D O " M$ P
F Q ) 0 8 ,0
* F & FC )
:> & 0 F RS ) ) 00 = #) ,0
N$ 'F' H IJ N < ( G) 9 - 7 )T
O C H IJ $U KD V - W ' 0 6&
F R F #D L [ 9R Z3 Y3 X =
* P 0V8N : B ,0 \ ' 9R :>& FK
 % * ! " # $ % &' ( ) %
- . / 0 1# $2 " 3 )40 5 6 % , )+
) "= , $ 2 7)8 +9 - . # +9 ): ;<
?2 %> !
@A B)C& 7 )8 D " 3)40 %
, ! H &) #I <J8 K 08 EF ))G
, " MNN % ( 6 D 8 L
" O D$ /P )Q % R S)O 0 % 8 8
, )+ 01

% , ! 2P )' % 8 O
8 ! )8 T4 C +9 5 6
<8 W I , / 0 0 - 2P #U 8 )QV
# 2P ))G , ! D$ % X/ W% 2
D ) O ,[MZ ))G 7)8 &' ( ) D Y) 8 %
,a` _ ^]C \ 8 / 0 2P D &' ( ) D 2P

d 8 - . )' % 8 c - - ); M_b` 3 $ %
. e c - % - - D 2 ' O
 % ,+ - ' ()!* + & % $ !" #
01!' 2. % ( $ 3 . %/
(- 45 6 781 % (5 9 % +
% <5 1 ! * ;% 1:
45 + - 1()!* ;C ; !C1 ?@AB : = >1 -
HI , D J ) < K1 ' F G % <5 E) %D
; !C1 N D L / & + M - 71
, 5 < 5
= 5 E + = .
F *PI % 5 - + Q ' > 1 - ON % N
9$ = % '% <5 M - 71 (5 N R" = 7
! 05 F 8UV GP. 2% T S L " F
( /V % D F 8UV E,

"# $ %
& ' ()
!# !
ZXS 1 YXS ?X A@ & AW &
Z WW 1 YWW ?\ / ,+ 1 @S & [
ZA?]B 1 YA?]B TB @W ;5 $ @? ;5 $
ZA?]B 1 YA?]B TB / ,+ 1 @B(
Z WW 1 YWW ?\ / ,+ 1 S\\\
 ! " #$
*+ , %- .# / 0 1 2 3($ % & '( )!
$ .! <3# .6 ! 7 )- 86 9 1:; ,5 4
=. .! > 3 # ,? * 4@ A 9 1:;
$ 86 B C ?. <3# D 41 5 &
H
$ .! C A E HGF E
5 E $ .! I J )! ?. E
$ N # O.<( E % ? .! HM L $ K<I
5 = J( $ 1
 $*

X 3( D ( CVW G' ?, 0 %&'

7% . 3 3 # >)H I $ /0 $ 0 3 3 G ! A
H #$ " oG % $ $
H$ % 8 !A G " > l$> 7% > 6Y5> >$6
Y 5> - 2 %: " . - ( 9 ` > "
} 6{= "N - $
9 % !> deef 9 % L. Z-$ " o > " o"
Mfggd
. - $+ 8% > " 6 " : € A$
` > " H$ % 8 - >$6 WU> 8/ > " K $3
. - - > ( 9 >F$@ 0 + A " >9
. - $+ 3 "
" $ + B P 6: = X % 6" > 6 )
$ ! "

H$ % 8 > "$ ) : #$ !A & '[@

‹$- > K$ H, " % : % *> ) H, " K1` > "
6" > " #$ l J> d#$ n S q$4 +
9 " H$ % 8 !A : >$ - K1= X %
.
o $ H*>xf9 A - b & 45*
J> $ > "o = ) :7% >) 6 $ Cr 0'
. - > R X! CU & $K : > 6 > "
J> " :& '[@ - n0K 3 $A B> = =

H . > C " 0K 3 M WU> ; - $ L > "

J> " C " > "o = U W J> " C ! 2B/ o $
. % J> $ U " 7% : >) 6 & '[@ 8/ $
! & = =4 :! 2 - o H$ >F$@ : ['
dd f !0)- . % 3 6 & $K H, ; % W+ €a1 !A 8%
N %$ & '[@ - ! 2 o $ $4 7 df f
. H *> > % % $
!>, 8 U n0 K 3 - ;4 :! 2 o $ $8' 2
9$ @ - - c U> K $3 . % $0 fvg xgg 1
" dg 1 WU> $ - > " $ $0 z v
. -

* / "
 $

D '[ ?<D ZB+ *+" Y ( ( . %&'

Y ( \B?" CVW G' ?, %&'

$# ! "

$ /0 $ 0 3 3 >:3 J A
$A 2 U $ 6" > H €[ + $A
9$ @ . % a >Y A $ 6" > C %" ->; % W+
% - 2%: 6" > Z B3 i[ [' + H %
: $ 8 " " ! 6" > $ ! 6" > U
R S> \ % U . 6 & $K $ 8% & 1[K
0 1 - 6" > $ " K1 ! 6" > H -
. % $ " K1 7% H *>
#$ l 6" > " K1 W+ U H *> & U
H ) - . - gƒx 1 M= L W+ & 2 N%$ aA & $K
8' A " H, 9 ?02 $ fy " % MdeezL
E 05 $ " K 1 #$ 6" > : % $ $+ F
vg l 2 - $ A$ $ :G . > " $
` > 7 X ) U xg " > " €[ + $ $0
$ = HB O % . > - U $a $ 6" >
0 ) -. > - !* 6 " > ` > h[K !A W 8% = E0 5
& $4 UU= % 0 %$ , % N B > N
= U . /7 ( H, % - ( "

" & $4 E 0 5 $ - 0 %$ - 1[K N

} -
 $$

D ( `"(. D ' ?<D N( O J. ]?^ . : ?F 3V_ ` >

ZB+
; <! 8 / 8 7 9:- / &'
1 )7 -
4 ( "
1 170

1 4; -
1 0 ( "
1 1)): =

1) -
1: ( "
1 1); =

1 : -
1;4 ( "
1 104 ! / @

! 2 $ 0 %$ 6" > W+ H B , P U "

B > ? 0 %$ - R S> & U $ . - $ %"
G > ?@ $ 9 $" % deez deex ! % 9[+
. • $ " K 1 #$ ! 6" > gƒx N%$ W+ H
Z ! 2 $ " K 1 #$ l ? 0 %$ !* 1[K W
} - " & $4 $ a W . % 3 6 % $ N %"

- ( "
1 :;

" % B > '[@ ;> $A$ $ #$ & '[@

. > - h[K W
U H$ ' % :deev 9 % ? & U U= O %
M 1 L Y, _W % " * 6 9 X % H$ HB W "
} , % " & $K
+ 1 0 : D
44 54 ) :) 1

+ 0 : 1 5; D
44 ); 7) *E 1 ;:F
‫‬ ‫  ‪  
   /‬‬

‫‪If‬‬ ‫‪17.5 < σ0 < 25.93‬‬

‫‪Wspeed = 2.199 − 0.0848σ0‬‬ ‫)(‬
‫اﻋﻤﺎل ﺗﺼﺤﻴﺤﺎت ﻓﻮق وﺷﺒﻴﻪ ﺑﻪ آن ﻗﺒﻞ از اﺳﺘﻔﺎده از دادهﻫﺎي ﻣﺎﻫﻮارهاي ﺿﺮوري ﻣﻲﺑﺎﺷﺪ‪.‬‬

‫‪2‬ـ‪9‬ـ‪6‬ـ ﻣﻨﺎﺑﻊ ﻣﻮﺟﻮد ﺟﻬﺖ دﺳﺘﻴﺎﺑﻲ ﺑﻪ اﻃﻼﻋﺎت ﻣﺎﻫﻮارة‬

‫ﻣﺎﻫﻮارة ‪ Topex/Posseidon‬ﻳﻚ ﻣﺎﻫﻮارة ﻣﺸﺘﺮك آﻣﺮﻳﻜﺎﻳﻲ ـ ﻓﺮاﻧـﺴﻮي اﺳـﺖ ﻛـﻪ در‬
‫ﻫﺮ ﻳﻚ از اﻳﻦ دو ﻛﺸﻮر داراي ﭘﺎﻳﮕﺎهﻫﺎي ﭘﺸﺘﻴﺒﺎﻧﻲ ـ اﻃﻼﻋﺎﺗﻲ ﻣﻲﺑﺎﺷﺪ‪ .‬ﭘﺎﻳﮕﺎه ﭘـﺸﺘﻴﺒﺎﻧﻲ‬
‫اﺻﻠﻲ اﻳﻦ ﻣﺎﻫﻮاره ﺑﺎ ﻧﺎم اﺧﺘﺼﺎري ‪ JPL‬در ﻛﺎﻟﻴﻔﺮﻧﻴﺎ ﻗﺮار دارد ﻛﻪ ﺑﺮﻧﺎﻣﻪرﻳﺰيﻫﺎي ﻗﺒـﻞ از‬
‫ﭘﺮﺗﺎب ﻣﺎﻫﻮاره‪ ،‬اﻣﻮر ﻛﻨﺘﺮل ﻣﺎﻫﻮاره و ارﺗﺒﺎط ﺑﺎ آن ﭘﺲ از ﭘﺮﺗـﺎب‪ ،‬ﺗﻮﺳـﻌﺔ دﺳـﺘﮕﺎﻫﻬﺎ و‬
‫ﺳﻴﺴﺘﻤﻬﺎي اﻧﺪازهﮔﻴﺮي و ﺟﻤﻊآوري و ذﺧﻴﺮهﺳﺎزي اﻃﻼﻋﺎت را ﺑﻪ ﻋﻬـﺪه دارد‪ .‬در ﻛﻨـﺎر‬
‫اﻳﻦ ﭘﺎﻳﮕﺎه اﻃﻼﻋﺎﺗﻲ‪ ،‬ﭘﺎﻳﮕﺎه دﻳﮕﺮي ﻧﻴﺰ ﺗﺤﺖ ﻋﻨﻮان ‪ Aviso‬در ﻓﺮاﻧﺴﻪ وﺟﻮد دارد ﻛـﻪ ﺑـﺎ‬
‫ﺳﻴﺴﺘﻤﻲﻣﺸﺎﺑﻪ ‪ JPL‬ﺑﻪ ﺟﻤﻊآوري و ذﺧﻴﺮة اﻃﻼﻋﺎت ﻣﻲﭘـﺮدازد‪ .‬ﭘﺎﻳﮕـﺎه ﻓـﻮق اﻃﻼﻋـﺎت‬
‫ﻣﺎﻫﻮارهﻫﺎي اروﭘﺎﻳﻲ ‪ ERS1‬و ‪ ERS2‬را ﻧﻴﺰ در اﺧﺘﻴـﺎر دارد‪ .‬ذﺧﻴـﺮهﺳـﺎزي اﻃﻼﻋـﺎت ﺑـﻪ‬
‫ﻓﺮﻣﺖ ‪ binary‬ﺑﻮده و ﺟﻬﺖ اﺳﺘﻔﺎده‪ ،‬ﻻزم اﺳﺖ ﺑﻪ ﻓﺮﻣﺖ ‪ ASCII‬ﺗﺒﺪﻳﻞ ﺷﻮد‪ .‬ﺑـﻪ ﻋـﻼوه‪،‬‬
‫اﻳﻦ اﻃﻼﻋﺎت ﺑﺼﻮرت ﺧﺎم ﺑﻮده و ﻧﻴﺎز ﺑﻪ اﻋﻤﺎل ﺗﺼﺤﻴﺤﺎت اﺷﺎرهﺷﺪه در ﻗﺒـﻞ دارد‪ .‬ﺑـﺎ‬
‫ﺗﻮﺟﻪ ﺑﻪ ﺳﻬﻮﻟﺖ ﺑﻴـﺸﺘﺮ دﺳﺘﺮﺳـﻲ ﺑـﻪ اﻃﻼﻋـﺎت ﭘﺎﻳﮕـﺎه اﻃﻼﻋـﺎﺗﻲ ‪ ،Aviso‬اﻳـﻦ ﭘﺎﻳﮕـﺎه‬
‫اﻃﻼﻋﺎﺗﻲ ﺟﻬﺖ ﺗﺎﻣﻴﻦ اﻃﻼﻋﺎت ﻣﺎﻫﻮارهاي در ﻣﺤـﺪودة درﻳـﺎي ﺧـﺰر‪ ،‬ﺧﻠـﻴﺞ ﻓـﺎرس و‬
‫درﻳﺎي ﻋﻤﺎن اﻧﺘﺨﺎب ﺷﺪهاﺳﺖ‪ .‬ﺑﺎ وﺟﻮد اﻳﻦ ﺑﻪدﻟﻴﻞ روﻧﺪ ﻧﺴﺒﺘﺎً ﻛﻨﺪ ارﺳـﺎل اﻃﻼﻋـﺎت و‬
‫ﻧﻴﺰ ﻟﺰوم ﭘﺮدازش و ﺗﺼﺤﻴﺢ آﻧﻬﺎ‪ ،‬ﻣﺴﻴﺮﻫﺎي دﻳﮕﺮي ﻧﻴﺰ ﺟﻬﺖ دﺳﺘﻴﺎﺑﻲ ﺑﻪ اﻳـﻦ اﻃﻼﻋـﺎت‬
‫)ﺑﻪﺻﻮرت ﭘﺮدازشﺷﺪه( ﺑﺮرﺳﻲ ﺷﺪهاﺳـﺖ‪ .‬در دﺳـﺘﺮسﺗـﺮﻳﻦ اﻃﻼﻋـﺎت از اﻳـﻦ ﻧـﻮع‪،‬‬
‫اﻃﻼﻋﺎت ﻣﻮﺟﻮد در ﺑﺮﻧﺎﻣﻪ ‪ WWA‬ﺗﻬﻴﻪﺷﺪه ﺑﻪوﺳـﻴﻠﺔ ﻣﻮﺳـﺴﺔ‪ Oceanor‬ﻧـﺮوژ اﺳـﺖ ﻛـﻪ‬
‫ﻣﺮﺑﻮط ﺑﻪ اﻧﺪازه ﮔﻴﺮيﻫﺎي ﻣﺎﻫﻮارهﻫﺎي ‪ Topex‬و ‪ Geosat‬ﺑﻮده و ﻧﻤﻮﻧﻪاي از آن در اﺧﺘﻴﺎر‬
‫ﺳﺎزﻣﺎن ﺑﻨﺎدر و درﻳﺎﻧﻮردي ﻣﻲﺑﺎﺷﺪ‪ .‬اﻳﻦ اﻃﻼﻋﺎت ﺷﺎﻣﻞ اﻃﻼﻋﺎت ﻛﺎﻟﻴﺒﺮهﺷﺪة ﺑﺎد و ﻣﻮج‬
‫ﻛﻞ ﺧﻠﻴﺞﻓﺎرس‪ ،‬درﻳﺎي ﻋﻤﺎن و ﻣﺤﺪودة ﻳﻚ ﺳﻮم ﭘﺎﻳﻴﻦ درﻳﺎيﺧﺰر ﺑﺮاي ﻣﺤﺪودة زﻣﺎﻧﻲ‬
 $&

3 pA & '[@ B3 R > N = : % $!% !A - deef fggg

#$ & '[@ > " %" >$ > dy f dx f )- . % -
. % - B+ H 01 % 1 $> > " -# 5%

& Y ( `"(. D 'G' H + [,3 @ N( O J. ??R. / %&'

H ' W( ?<D ( A CD : ! @ #$ ? a

Y ( `"(. D 'G' H ? M + [,3 @ GC " ??R. > %&'

#$ ? a &
' !# $ % ! "& % !"
#& ! "& 7 8 (6 $ 54 1 " 23 0 (+ ,-$ . ' !/ % %) * (
<= 6 ) 9 :;( !$ $ % ,&
% )# A# " B ' ,$ + !" % ! $ 6? % @ >
G# )9 :;#( !H ' # % ,& ! "& 7 , ( 6 $ 5C D E /3 B & F$ )&
<=I C
<LM ( !$ $ K / :;( 5 J3 % $ !& ( !" 6) 7 % ? <
+ :;( $ Q$J D , & %) 7 , 5 J3 % $ !" , D 6 $) OP N
<= .. 9'K / @ '!

! " # $% &'$($)% *+++

, - . # " # / 0 1 2 3 (
! 43 / ++ 0 51
6 # '(* 7 *+++
% 2 8 ! # & 0 " 6 *+++
' . -9: 3 : ! ; <= / > 6?
*++*
+ 2 7 5! . -9: :
*) 7 ; ; = 1 @ > 0 @ 7 ! 2
1 4 *+',
** 6 1 : @ @ 0 ! ; 0 16
= 1 1 *+')
*& (0 1 = 0 ! @ /
*$ @ 1 # " " : "
1 1 ! %1 3 51
> ! 7 &*(& 0 7 &))&
*A " / ; @ 1 #
/ 6 0 = ! %1 51 1
*(*& &*(&, 0 7 &))&
* 1 BB 16 5
$) -/ 0+ , -.

" %" % $ 0K B H $ ' ( 9 3 %

• ( S% 3 . % $+ ‰ " G #$
0= #$ H, $+ $=> ( 9 H B " 7%
7 (7% = Y 5> : % B• 1 " " K1` >
Y 5> !> 7 (& p #$ & p $=> :H$ % 8
( Z5 . 6 % $ 9 ! =
" % - b 9 & K$4+ :#$ Z E0 5 ! 45 h -
. % 3 6 % $ & $4 9 3 * ", A R S> ? @
& '[@ B+ 9 : > " J> " B+ " $ A$
$ #$ & '[@ H, ` > A E0 5 > " $ " Q2
. % - U

B ,6 > ,? - @A
% - • N%$ #$ S " 05 J> H$
 %*

Z ( S >: S H$6 >$6 i : J> 8

: a D$ 3 J> " Q2 . % , $A N - " #$ N -
t#$ ; s ; S C 1N !>, > ( •[ 0= i
3 6 J> .$- 1 0< $A$ N - ( &F 2 7
[' > - • J> " X % :#$ 3 4
B > * X* ", % , 0= " ( 0=
" + . % $ @ & $K #$ )* %
}" 8' # $ - S J> !
M% . " 3L B 0 C0 $0 > J>
MC ++ # LB A J>
M/ L ]^ 0 3 * J>
M L B0 > - J>
" 8% A$ ]^ 0 3 B0 $< 7 % b R"F
" #$ Z 9 ‡ " a • 0% #$ S
. $- % #$ - S " !A C > ) 7
S i : 2( A$ #$ Z i 5>
M (+ L & $ 3$ i H$ 9 ‡ H$ ' !>, H " >$ *
8 > ' % ; #$ l I )- H, -
. $-
$ % 2 B >, 8 :#$ Z i X 6
H " 6 9$@ : ' % : N%$ #$ S 2 8@ O %
H$ i H " . >" % N8 #$ 45* i" R
. R> %=KA 9 A 9 : / : i
Z ( 9 N%$ #$ S $+ " @ ?
% -/ 0+ , -.

2 1 #$ Z ' 9 R 8 . + #$
d
. - P *P & 8' 3 6 J> @ & $K G > 9U>
9 > 9 . % - • #$ Z 9 " > % H$
H, 9 1 . $ - J>€ K #$ V W+ r Z > " 9- >
% % $+R > 9 . 9 B> / R > 9
9 ) - . >$ - C U 8 9 ; 9 :\WU @ 9
% l 8- E @ )- 8 " = & ( 3 :R > 9
3 6 J> G > 9U> 2 !> )- X> 6 & 8% = H - %
N %$ X> &8 %= 3 * R$ % > 9 9 )- . $-
. % -€ @ $^
% - $ & U U= B % 9 :R$% >9 $!*
>$ 6 )% ": > : $ * 0 N%$ H , ;>[ ]
. % - !
ˆ H #$ 9 U > &F 2 % R$ % >9 ; 9
& p 9 . 1 _ K & $K #$ E @ )- $ ( 3Z
; ", & A 3 6 J> " Z> 7 1 #$ S
. • 2 E@
" '$ S 0 0= $5 )8- 9
R S> $ 5 & $K >$ H) H " )8- . $- A : - 2
R S> 3 pA u ' 3 pA 9$@ B )8- >$ * > . $-
:#$ N %$ ]> 3 !A :#$ /V l }" 8' 9 A + . $-
Z 3 6 J> - _ =4 Z H :, # $ N%$ !A l
2 E@B> $5 H " )8- " WU> • 7 ( #$ " ->

( ! "
 %

? ' / " C D ' 9 . $5 H ) H " #$

. 6 J> H A )>
8%= > " R6 i *> 0K &F 2 9
; *> $- % ( $-; 0K &F 2 6 9 X > $ - . >$-
E $ $5 H " H$ 69 X > . - ( ? + (2 9 8 $-
. % + B> > " R6Y5> . " > • S
9 :#$ 8 R$ % >9 A: (19 1
:MH , ; >[ ] $ >L 9 8 - !-

! M % >L !- 9 M 0 X*> L !- 9
" - 6 9 % !- 9 : $A . % -
. % & )B3 "% ' i :9 + % :C 1 &F 2

" ,E ) B ,? - C D
F# L M3 6 ( (
9 :# $ 45* Z !A G % $ ( 9
G > 9 U> 2 1 :#$ Z 9 8 . - #$ @
#$ 3 4 2 8@ H { = $J . - P *P R
9 U > &F 2 )- . $- 3 6 J> H, @ )- G > 9U> 2 :
} - " & $K 2 1
- E - -* F E - -* F -* - -
E - F
- 2 - # - 2 #
}H,
!A > 3 #$ G > E@} E , 2, #, + , F

H "}
2 1 &45 } 2, #
%# -/ 0+ , -.

]> 3 } +
#$ *> !A }
#$ 6 ' %} -*

#$ *> ' %} -

P *P & 8' }
!A > 3 G > E@; V H *> @ + D$3 2
G > Z Z B3 / = $+ 1 #$ 6 ' %
+, . 6 E @ )- !A : ' % : E 3 6$ $ " ->
. 6 J> #$ H * )> / $ a 2 ‘P % & 8'
} $- E 2 " & $4 #$ 9 U > 2 % % \8 & 8'
(+

; " G > 9U> € 2 :Y, _W% " G > 9U> € 2 H,

G > T[! % € 2 :# $ W+ r Z > N%$ X ]> 3 ]> 3
T[! % € 2 :M? ' Y, #$ )-L ? *o / #$
" - > #$ G > T[! % € 2 (+ E T )W K " - > #$ G >
. - ? 'C 1> #$ )-

$3% % $ 0 . ( (
} - " $ - $a 9
d
* " ? 'C 1$ > • K$4+ S %? '
. % $+
.#$ - $ G > 2
} 3 2 9 " & $K H$

#" #
 %$

R c U> 0 / !A U ; @= > = + (/ ?
." " % 8-
% p E0 5 6 !A " > @= > 0 = + (/ ?
. / U " % 8- R
% H ) c U> 0 !A ' % @= > (/ ? = + 0
> " % ; & $K H, H $ $ p H " 8 >
. 3 2 >
@ 9 c U> 0 !A " > @= > = + 0
. % p " % 8-

N/& ?&* # $ 0 . ( ( (
9 !>, ; % W - 2 : ( 9 ; H$ % 8 " €
= K :9 H$ % 8 R S> " 2 . - )B3 ; ! " % 8-
; " K1` > $ A$ - 2 N - H, )0 '
. 6 " X 82 B3 R >
H *> - 6" > U ` > U :9 A % )
:7 % H$ % 8 R S> & $K $A 1 " €[ +
! . >$ - ; B> X ) !A$ 1 6" > 9 ` >
H$ % 8 > C . % :9 H$ % 8 7 (
U : W+ Z $J a . ) r 6 )*
. 6 _ =4 H ) 1
% $ 4 + % 9 H$ % 8 7 (
. > 3 6
%% -/ 0+ , -.

<* > ?@A !!!

1: $- * ? 'C Y, € @ ? ' Y, " #$ ; > "
& 8' T )W K / 1 a ‹ % H, & b *+ P
? 8@ E T )W K 0' G > T[! % „ > . * \8
} - " 9$ 3
E+ , F E-+ + E( F B F E+ , F

T )W K 7 ( + :Y, ? ' :#$ ' :T )WK 7 ( -+ H,

K$ -+ 7 (. - H A ' % ( H A
1 11 11 = •F$ 2 H AN - E% " , 004F

R ' 1 c$ - K + U . - >/
. - H A $A
& !"# $%
9 0= 5 > * ", . / & $4 -+ T )WK 7 ( .d
3 6 J> H *> E% " , 004 R !P 43F % - R S>
$ 2 !> 3$@ -+ 1 1155 C 9 / E @ N%$ U
. - 9 -+ U - Z5 (
} $- 8% = " 9$ 3 ?8@ / & $4 +? T )WK $ 3 .f
-+ +? (

} - " W ?8@ E #$ ' % , ( H,

+" 2
( ' E+ , F +& '
+ E F
. - g|gfd +? U
N %$ / & $4 E9 ( (* , 9 F % " B % .x
My~xL W " T )W K 7 ( H, % - !* E 00 F
 %&

EC L- , N %$ !* W " % T )WK $ 3
} , % 00:F
1 04
; 055 ; )E B 9F
+? B 9 1 :)70
+? 1 4 B 9 1 :)70 (
} - " 9$ 3 ? W E H) p H,
+" 2
' E+ , F +& )
+ E F
!* M , 00 L N %$ U . - 1 14" : 9 U
" - > #$ E@ = H AN - K$ -
. - 7% , #$
; > H, / & $4 E ;1 F Y$% & b B % N%$ .y
N %$ #$ R$ % >9 ; $- . $- 9 T =
9$ 3 " 9 3 ) i . - 3 6 ) M! " , 00:L

. - & ! "

! " N %$ ` )- 2 5 9 " % S
> 6" > O% M9 050L S & 8' " : % - %
8 %= M ? , 05:L & 8' " % " ]^ % .C % %
- H & 8'L #$ T )WK $ 3 Y Q0K 1 " T )WK 7 ( +F . $-
. , % E ' % MC L- , 0:: N%$
. - 1 111 ;": E ;1 F U
$ A$ MC , 005L T )W K 7 ( 9$ 3 * & •BA
!> - b\A T )WK 7 ( $ * l[@ . -
. $- 2A Z5
2 :$- % H$ % 8 7 ( H$ ' "7 (" G
. , % $ ` > > $5 ! $- Y5> $=> H, U
%' -/ 0+ , -.

B C*?4 D, E !!!
- - U ? 'C 1 $> #$ „ > " #$ )-
" * 5 €[ ) - #$ )- / . - 8> #$ G > = Y, ? '
Z H $J !A 3 ( \8 0 A; O% ‹ - #$ G >
• N 8 9 $ a 0 A. 6 IC 1 2 G >
. @ 9 8% Y $A % C M N%$ -
. , % " W " #$ )- " - > G > €[ „ >
N " E+ , F
(+ E+ , F *
7
G > :N %$ 8 > ]> 3 :H$ % 8 7 ( H,
M )- UL O $ )- " 8 #$ l ‡ 1 " :#$
} , % " W " - *> „ > 9 N . % p dƒg gƒv
N "
+
A EN F "

. % #$ l &2 X> aA " D$3 W

#$ )- " 2 G > T[ ! % „ > 9 $J ) 7 ( 9
3 6 J> M L #$ )- ? ' U 9 $J X M L
S Z B3 G > T[! % „ > Z B3 S Z B3 . % -
! #$ )- 9 H$ % 8 . 6 #$ )- ? ' Z
. % aH ) : „ #$ )- H, 01 % =

#$ % && '( DF E !!!!

E $ WU> X> $ ? . * € 2 & 8' :#$ 9 U > 2
" $< 8 ? . * " ->\8 \ . - #$ -
F ]> 3 ? . * " - > G > T[! % U . % -E 2
 %(

&$K \8 \ . 2 W ; / - $ G >
} $- E 2 "

E+ , F - E "1 F E F E+ , F ,

X "1 :N%$ " ]> 3 :E @ #$ ' N%$ D$3 W

T[! % „ > 9 - 7 ( :Mdv xL W ?8@ #$ E @ R K 8
; N%$ ]> 3 $ @ #$ T[! % H" 9 G >
7 - u 3Z U := " ! * ?8@ . S A #$ E @
!>, U :N = N - H$ - 3 6 J> gƒv yƒv
H$ % 8 !A - 0 1 . 3 6 J> p /: =
. 6 % $ #$ $ H$ % 8 !A #$ l
- " % 8 - #$ l :? ' 1 > 9 H$ % 8 01 > P
. h[K 9 W+ - Z H$ : - - 6" > U "
. d
@ •[ 9$ 3 •3 K? . * A$

!!!
) B> W : X #$ Z 9 9
S ' % W+ kdg 1 6 H$ *X> % & $K .
. $- - " % 8- #$ l kfg W+ S

H% O $ 0 . ( (
} • & $K % #$ % > 9
-Y 5 > 1 $> #$ 9 X>

>( # > "(

%) -/ 0+ , -.

-Y 5 > c U> !A > 3 G > #$ E @

-Y 5 > 1 $> !A > 3 G > E@
}" 8' #$ 45*
- 8/ , #$ 0 R$% ; N%$ } "1 : 45* #$ l
o * Y S I >; $ $+ A$ l •8 U
. i B6 *P
.#$ ‡ 1 l I $ } ! :; #$ $
!1 :#$ X> $
!1 : K" \W #$ $
#$ E @ G > ‡ 1 I !A } :; #$ !A
" :#$ X> !A
: !A 2 € =>
} $- E 2 " & $K M "1 L 45* #$ l U
"1 4

} , % " W " $ G > H,

+
E+ , F +
1 1

} >$- E 2 "N N%$ B > !1 !1 #$ $

"1
!1
"
"1
!1
"

} - G > E@R X " N

" + E+ , F + '
1 1

} , % " W " B>M " L #$ N%$ !A

 &*

" (
} >$- 8% = "N " Mdy xL W
P
Q E +,Q F + Q )
1 1

P
Q E +,Q F + Q *
1 1

!A 9 - 8 >: , % 7 A$ N%$ !A
. - X'%
} " W !A 2 € => 8% =

!>, :` > % % ! 9 A + F CS1 A$

" c$ W+ " % ` > • . • ) 3 6 & $K
H H*> L h @ M#$ $ #$ l > L 8% =
. ; ` >T M#$ !A

FA &
8 K+ > " = c U> 9 : 0 ' %
. 6 R S> A ) - 8 9 S % =K ]^% $-
H$ % 8 ` > " H$ : - 7% = ; " % 8- > P
9 " % #$ " 0 $W . % B> 2 A
} - " 1 - % > #$
- $ #$ = & 45* %
,\ A
9
& -/ 0+ , -.

9 S % =K H$ % 8
9 A #$ " % 8-
` > •

,? - C GH ,3 .
P 2. J (
. - J> $ " 7% )8- ! :9 R6 5>
% !A 1 > :f " 3 " 1 > H$ ' B+ $ A$
A$ . % -Y5> 9 S% % 1 S% 3 :
CJ > )8 - &F 2 1 9 % $ ' 1i
% ‡0‡ !> CJ > )8- B > % $ )8- : -
)8 - . % - 3 6 J> $0 fg 1 !‡0‡ 2 ‡ 1 H, !
- ! 9 S% % 1 $J ! - $
A$ 0 & •BA !> )8- : , $+ , 9$43 >$X> %
. % - ! E0 5 1 $> #$ 3
: > "R 6 - ' 1 Y 5 > :9 2 C! 01
>$ - Y 5 > >$6 % @ G > 9 U > & !A 2 > 3R6
3 @" - 8%= 3 J> $ = #$ & 45*
U :O % .$- ' B > B3 R > A > " =
} > - u 3 " & $4
? ABB } > " R 6
B gƒggv ~ gƒggj } > 3R6
( %C } & !A 2
Y 5> : > $ ' )8- H )P$ 2 A$ > "R6Y5>
 &

8%= n " > $ 5> ]> 3 O% > 3R6

n K$ O % B > #$ E @ !A & p HB A$ & !A 2 Y5>
. % - R S> * G n S 8

N/& ?&* # Q $0 . >& 1L J (

: % #$ - HB o 9 ? . * RB > ) c$
. - ` >H 8 9 8% O %
3 6C 4 p 9 3 $=> " 6, !A
.$ $+ H$ % 8
/ ; :? . * 8 >9 % 1 % $J
8 % = )8 - + $ ) $W M9 - %" >/ dg ' % L
:Z- : !P R 9 ]^% - 9 ' B+
. % - A '%
? . * / H { = p 7 ( :dg x n 2 ? W
H, u 3Z U - 7 (& p / % !A . - 7 (
? W gƒvL 7 ( - X> / : % - 3 6 J> yƒv : >
w f = 7 ( E0 5 U #$ - H B : Mu 3 Z U
> -Y5> >$6 : U - 3 6 J> c U> . % - %
f d
= R H " = 6 9$@ 1 #$ - 2(
- yƒv / U 3 6 J> B> & p / . - %
. % - %
= 6 9$@ = #$ l % 1 :9 ` >O%
: % F • 8 > Mgƒv Š / L - 8 > = R H "

> A"
( A"
‫‬ ‫  ‪  
 /‬‬

‫ﺑﻄﻮرﻳﻜﻪ ﺑﺎ ﺗﻐﻴﻴﺮ ﺣﺪود ‪ %100‬اﻳﻦ ﺿﺮﻳﺐ‪ ،‬ارﺗﻔﺎع ﻣﻮج ﺣﺪود ‪ %15‬ﺗﻐﻴﻴﺮ ﻣﻲﻛﻨﺪ )اﺷﻜﺎل‬
‫‪3‬ـ‪ 1‬و ‪3‬ـ‪ .(2‬اﻳﻦ ﺣﺴﺎﺳﻴﺖ در ﻣﻮرد ﭘﺎراﻣﺘﺮ ‪ δ‬ﺑﺴﻴﺎر ﻧﺎﭼﻴﺰ اﺳﺖ‪ ،‬ﺑﻄﻮرﻳﻜﻪ ﺑﺎ ﺗﻐﻴﻴـﺮ اﻳـﻦ‬
‫ﺛﺎﺑﺖ = ‪ ،(4/5‬ﺗﻐﻴﻴﺮ ﻣﻌﻨﻲداري در ارﺗﻔـﺎع‬ ‫ﻓﺮض ‪Cdis‬‬ ‫ﭘﺎراﻣﺘﺮ در ﻣﺤﺪودة ﺻﻔﺮ و ﻳﻚ )ﺑﺎ‬
‫ﻣﻮج ﻣﺸﺎﻫﺪه ﻧﻤﻲﺷﻮد )ﺷﻜﻞ ‪3‬ـ‪.(3‬‬

‫‪1.5‬‬ ‫‪δ = (Fetch‬‬

‫)‪0 .5 Limited‬‬
‫‪Run Time= 4hr‬‬
‫‪Run Time= 6hr‬‬
‫‪Run Time= 10hr‬‬
‫‪Run Time= 20hr‬‬
‫‪1.3‬‬

‫)‪H(m‬‬

‫‪1.1‬‬

‫‪0.9‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬
‫‪C dis‬‬

‫ﺷﻜﻞ ‪3‬ـ‪1‬ـ ﺗﻐﻴﻴﺮات ارﺗﻔﺎع ﻣﻮج ﺑﺮ ﺣﺴﺐ ﺿﺮﻳﺐ ‪ Cdis‬در ﺣﺎﻟﺖ ﻃﻮل ﺑﺎدﮔﻴﺮ ﻣﺤﺪود ﺑﺮاي درﻳﺎي ﺧﺰر‬

‫‪2.1‬‬ ‫‪δ‬‬
‫‪= 0.5‬‬ ‫‪=(Duration‬‬
‫)‪0 . 5 Limited‬‬
‫‪R un Tim e = 4hr‬‬
‫‪R un Tim e = 6hr‬‬
‫‪R un Tim e =10hr‬‬
‫‪R un Tim e = 20hr‬‬
‫‪1.7‬‬

‫)‪H(m‬‬

‫‪1.3‬‬

‫‪0.9‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬
‫‪C dis‬‬

‫ﺷﻜﻞ ‪3‬ـ‪2‬ـ ﺗﻐﻴﻴﺮات ارﺗﻔﺎع ﻣﻮج ﺑﺮ ﺣﺴﺐ ﺿﺮﻳﺐ ‪ Cdis‬در ﺣﺎﻟﺖ زﻣﺎن ﺗﺪاوم ﻣﺤﺪود ﺑﺮاي درﻳﺎي ﺧﺰر‬

  
   

C dis = 4.5
2.1 R un Tim e = 10hr (F e te c h Lim ite d)
R un Tim e = 10hr (Dura tio n Lim ite d)
R un Tim e = 20hr (F e te c h Lim ite d)
R un Tim e = 20hr (Dura tio n Lim ite d)

1.7

1.3

0.9
0.3 0.4 0.5 0.6 0.7
delt a

‫ در ﺣﺎﻟﺖ ﻃﻮل ﺑﺎدﮔﻴﺮ و زﻣﺎن ﺗﺪاوم ﻣﺤﺪود ﺑﺮاي‬δ ‫ـ ﺗﻐﻴﻴﺮات ارﺗﻔﺎع ﻣﻮج ﺑﺮ ﺣﺴﺐ ﺿﺮﻳﺐ‬3‫ـ‬3‫ﺷﻜﻞ‬
‫درﻳﺎي ﺧﺰر‬

‫ـ ﻣﺮاﺟﻊ‬6‫ـ‬3
1. Hasselmann, S., H. Gunther, P. Janssen, Max-Planck Institute for Meteorology, “Wam
Model Documentation”, October 1992
2. Komen, G.J,L. Cavaleri , M. Doneland, K. Hasselmann, S. Hasselmann and P.A.E.M
Janssen, (1994), Dynamics & modeling of ocean waves, Cambridge University Press,
UK, 560 pp.
3. Komen.G. J., L. Cavaleri, M. Donelan, K. Hasselmann, S. Hasselmann, P. A. E. M.
Janssen, “Dynamics and Modelling of Ocean Waves”, Cambridge University Press, 1994
4. “Mike 21 Wave Modeling Manual”, DHI Water & Environment, 2003
5. Tolman, H. L., “User Manual and System Documentation of WAVEWATCH-III Version
2.22”, NOAA / NWS / NCEP / MMAB, 2002
6. Tolman, H.L and D. Chalikov, (1996): Source terms in a third- generation Wind Wave
model. J. Phys. Occanogr. 26, 2497-2518
7. Weber, S. L, (1991), Bottom friction for wind sea and swell in extreme depth-limited
situations, J. Phys. Oceanogr. 10, 1712-1733
&% 34 - - , 0 12

&
‡ 1 2 8@ N - % 3 2 :d9 " $J
N %$ 1 X>$XP : [' . - 9 N%$ 1 )- )
. 6 3 2 9 E 05 7 3 B>9
- , B+ 9 E0 5 1 $ = ($ : 43
. %

K, 63*+'I G ,G K 6 J7 I> "- H @% &

" 2$ -: )8- 3 ! !A " > $
-. n > " D$3 . - 9 o = 3 6 B> 9
8 " . % - # 5 % :H, 7% A$ : 6 ! N%$
. % -Y 5> ; _W% 8 > ~fj : S %? '
-. > $ A$ S %? ' 0 ; 8 _W%
", N %$ " o H *> \ $- 9 ' = " U

.$
 &&

% $ ", !, O U• B *U> ‡ ! % M AL

o '& p > > P& • $ ' ", Y, N%$ " . 6

" .$- * UW q + N - = 2($ & $K H,
" 8 >\ : B+ S %? ' ! % $ 8
. % - 3 6 J> ", N%$
!A " > $ )8- : #$ 9 % $ ' 1i A$
. - ‡0‡ !> - CJ r : 0< 3 6 % 3 2
" :9 E0 5 !*5 E0 5 " > $ 1
$ !> )8 - : $ A$ . $- % - B !>
!> S %? ' )8 - . - 6 ydzw H jdxf - %
- H * > !0) - $W> . > - Z >yy dy !0)-
) B> 1 $ > - H !, " 1 $> - ! )8- : %
? W $ !>, 6 K $3 % - +% B H !,
X & 8' L - c$ & +h - $a 6 K $3 ‡ 1
! A gƒdfv - A xjƒv " F ! A gƒfv
B+ $ A !* 5 A$ .M - A xjƒv " •
% - B )8- : 1 $> " !*5 G H !, & S
" $ A 01 % $ > B > r - 1 $% S ? 'C 1 $>
. > 0 A
' 34 - - , 0 12

R 6 $ 3 B " % B> 1 $ > S &[)*

. 6 K 1 R"F Mdv ' ‡ 1L > "

,E ) 3=2 6 & &

: !A ]> 3 "$1 #$ @ &F 2 1 A$ @ " %\WU
i ]> 3 "$1 " %\WU . 6 & $K 2 " ;
. % > 3R6 ! > 3 " %\WU :9$ 2 i } % aH)
$ - m5* l - ]> 3 H$ ' ]> 3 3 i
8%= E @ $ A$ ! > 3 %:! > 3 2 > 3R6 2
2 U c 8 9 A ' % ) A$ . , $+ %
A ' %Z B3 " ! > 3 2 H ! : ! > 3
> 3R 6Z B3 : " $ A$ 7 % !- " ) . >
= ! > 3 > 3R 6 1 . % X & $4
! > 3Z B3 % : > * 8% = ; ]> 3
" %\ WU E 2 D$ 3 i . ZB3 B > > 3R6 :E @
= A$ . % 3 6 % $ B+ 9 ! > 3
I B gƒgvv 1 $A$ ]> 3 U : 0< $A$ $
2 8@ ! 6" > ` > A$ % -Y5> > / dj C B $
@ ]> 3 fv 2 3 6 J> . - 7% B+ #$
B gƒw 1 #$ E @ $A$ ]> 3 * :dƒd ]> 3 Z B3 7 (
! 6" > % $ P. - > / dƒz $ 9 2 , %
dg 1" l #$ I : * $ 2A B> - R S>
! > 3 7% 2 % O% B > dƒd 7 ( Y 5 > . % >%
! > 3 = " C B ]> 3 Z B 3 R ' B > ; ]> 3 =
!"#$ % "& %'(
2 # '*+ , -. - , '/ 0 1 ' ). % )
;< ", -. 5# " 6 '"7 "# / " "8$ ', !#$ 9 7 :, %)' 34
" $' " " "/ BBA@ = ', > ? 7
2 0',9 C %'7D #/ 'E

'E " " " 7 C " '"F "#D G "H = 'I - I , ',
- ", "#K ":D'4 " 9L "$ :" J/ 2 0',9 C %)' D
"/ M""# # %'"( '& " %'"( ) 'E " 9$'" "8$ ) '", %'"(- #
% " "7 " "( N "" "0 % ""# ) "$ '", %'""( 6 " I
#" ", "0 P'"F$ '", %'"(% # ) $ 2 )' 9 O' 0 ', C %'"(O
" #" $ % L , ) ( 9$' 9$' ) = 8$ ) !#$ > ? %'( ('
2 0', C 9" #,1# %'(O % 7 'E =,'Q /
9 '"( *"0 % , ', 'IRS %)'" )', ' 6 =,'Q T ' U '"7 6 -'#
9 '"(O " #" W 2 "0',9" 9 ' 0 ( %'(O % V S ) T ' 9( = ',
9" ' 0 ( %'"(-' )'" X" 6 9" H " ", '" 9/ , / '"(O'
" "Q / 5 2 $#9 Q 'E 9 #,1# 8 , > ? %'( Y/
="H 'E O Z $ ,% 4 ( ', :#*S ', '7$. 9$ ? ( - !# '(O
'E " " ', %'( 2 9& , VS' '(O - # *#D'/ #E#/ !#$
", " 6 '", -. \'"? $ "/ 0',9 9 ' 0 ( O ) = 'L [ ' $
^ " $' ] " * : %'7D ' ', ' -. 7, Q $' 9 I
" " " : " $'" . 9" !"#$ / 9( = 9 / N'#
` " 9" ' 0N $'"#Q 9 !/ !_ %' ', %'( 9,' ) U ! ]
'# 34 - - , 0 12

c$ $ A$ H 6 H$ .MH #$ "
- > :9 A J> $ > " A$ :E0 5 B
. - G € % !A $A$ 7%
} - % -$ E 0 5 9 ` > -: - > % -$
> - d
0 '9 MY A dƒdfv > - = .41 9 ME
x z fZ5 !>, & 9 " ; & 45* h - . A gƒv
* $! % ( 7% % $J . % - •
H : - - " o = UW ` > :H$ % 8
- 8/ U % U . % - U X ) 9
B+ $ A Z5 '% % H *> $ N%$
9 % $ f_W% " v y )- . H *> H, 2 U "
_W % " > % U . % - Z > = .41 % -$
?@ . - gƒggd % 3 ) B+ B UW
M“> " UW L > 3 ) > % U dgggg " Z U $A
!>, 2 U " ' % U ?@ - ’' 0<
B ' % = .41 9 !> : [' . >$- 8% =
. S > $ U B+
m 5* " % = .41 9 " 7% 0 '9
S 1$ > ' % U H$ A$ . > -
9 " 7 8L % - $A H B> 0 '9 1%
^ $ => . % - ?@ BX A 1 % " 1 $> :M = .41

H*>w y )- 01 % ?@ 1%" 1 $>" H

:M“> B8% c U>L 1 % " c U> c$ & 45* : )- ? W . % -

(+ = (*
 '$

l$ > W . >$- ^ 1% S ; B> c U> Z03 !A

} % - U X ) H, ` > - R S> h[K
: 1% S ?@ !A p R ' ' % ^ .d
. 1% S ?@ !A ' %H B ^ .f
H*> 6" > ` > U H$ % 8 E0 5 9 A
. - $5> K 1 D$3 1 9 ` > !A$ &
. % - % 9 i " : H _ =4 :O %
` > n U : = .41 A 0 '9 ` >" % $A
Z5 - > ?@ $ H, o H *> $ $
. 6& $K BA 1[K "$ B+ $A
- > 1$ > '% K dg Z B3 - 1[K P
!A . % - H* > "“ > w y )- 1> . - B+
2 ' % " H, r 1> 1> " > !6 > Z B3 " 6$0A
K " > ! H, U u' 1>: % - %
. % - 3 6 J> U > 1 > H $ ' : 3 Z B3 2 U 8 >
. $- - " “> ; $> & $K w y )- 1>
% !A : = ?@ : H 1[K P R S>
n %$ 0 %$ X " 9 ‡ H$ ' . % 9$ 2 #$ 9
: % - R S> ! 2 > -i %
#$ '[@ ; > ! !A A fƒv … dƒfv 6 K $3 9- /B9 =

. > 3 6 % $ M - ?@ ) L B+ &> A
2 8@ " -> X W+ % -$ 9 " 6 K $3 : G
H h[ K H 7% #$ ` > % - 78% : - 9
: 1 %" $ A$ & '[@ & 45* U $J . - 8> U
'% 34 - - , 0 12

H "B > 6 c U> 2$ : H 05 1[K 7 (

! " K1 ' %` >H $ % .•dŒ 69 ' 9 A
% $ n0 A " : - H 3$@ l$ R X 2 8 > % -$
•wŒ •vŒ :•yŒ :•xŒ \ A . % - - H, 0' \A "
. K$ $ P H _ =4 1[K 7 ( " %
> " P : - $ & 1[K 9 ' " ] : ' %& p
.Mdd y z y )-L % - U , B> $ 6" >

H g If # @ D ' D J+" ^e" I >%&'

 '&

0gI f # @ GC " G D ' 2C 3V_ K >%&'

H
( 7 8 9 56/,

" # $%&

5 3 7AL "M .
} $- R S> " 1 H$ % 8 R S> 0 $@
9 H$ % 8 7% l$> Y 5 >
H$ % 8 c U> $ Y5>
#$ 3 A$ H$ % 8 Y5>
5 > c U> A + a+ H$ % 8 $ I 9 A
0' 6" > ` > 9 " K 1 ` > > $5 HB n U
> $5 >
9 A ` > $8! % H$ % 8 p
- % :H$ % 8 % !A 7% l$> $
$ A$ $ & '[@ B > $ 0 %$ - 6 " > #$ l & '[@
& '[@ " % :q$4+ . 3 6 % $ H 9 - 1 $%
0F : > 8% 6 : > ) J> " ) $A $
1L & '[@ - " > " K $3 H, ! % $8> a H )
& >F$ @ A :7 % c U> 2 % !A % M" dg
 (

Y 5 > H ) :& '[@ - >F$ @ $ ) (. $ > B

A$ = & - 9 ` > U !A 7% !> 3$@
0 K \ 8 H$ ' $ & '[@ : K$ A$ . %
& '[@ - & '[@ . 3 6 J> H$ % 8 R S> !A & '[@
, B> > * H "% ?02 $ 0 %$ - 8/
& 4 5* : 3 pA 2$ . - )> B+ > - ?02 $ B>
• dv9 A $ " ; N%$ - 6" > B> ? '
. % -

#$ (?" 8?) 9 D J+" ( ( D B9 I

4 5 "&F
8' 0 7 G 5
3 02G 5 D0E
& & 3 02"
3 2 3 2
$ :l xdƒy fv xzƒvye yeƒvfg B>
$ :l dvƒy dv xwƒefy vxƒydg ,
:$ :l
vgƒz dv xzƒgjj vxƒfee )>
!A

$ A$ •[ 9 H$ % 8 c U> > " = = Y5>

& '[@ = ! F - $ c U> : = J> " . X
. - # $ & 45* " ) - 6" >
0 %$ - R S> 6 " > :H$ % 8 7% $ 3 !A
%% $ P 6 . 3 6 % $ E0 5 > " " $
: % $ E 05 $ 1 !>, > B H$ % 8 $ Y5>
; ! X> P $ H B 6 " > H U3
(# 7 8 9 56/,

. - 3 6 J> 6" > X H B 9 7% > " "

X " ; H 3$@ l$ > " = A$
> R S> 9 A !A f v 9 A - • > " " : 6" >
. > - Y 5 > H$ % 8

(?" 8?) 9 D ' +5 < i D I

=> !H= + ; = + + +/
B> 5B 1B 11 1:D11D11 B 1B 11 D11D11

, ;B)B 11 1:D11D11 B B 11 D11D11

B> :B 1B 11 1:D11D11 )B0B 11 D11D11 -

)> 4B B 00 11D11D11 B B 00 11D11D11

,
7B B 11 1:D11D11 )B B 11 D11D11
B>

$ H$ ' - : : > " : - $ H

: [' . > 6Y 5> " $ H$ ' > " H$ % 8
!A % -O$> 0 B -/ X% 0 %$ - R S> ; 6" >
` > " !A > H$ ' : B> H "% $ 9
> % $ . % 3 6 % $ H$ % 8
. 9 " 7% !A H$

5 3 7AL G .
E 05 #$ 3 $W H$ % 8 7 (Y5>
% $ 9 H$ % 8 > . % 9 =
$K H, ; B> 2 9 0 3 > 6
 ($

K+ - @ U> c$ H$ % 8 !A % $
.$ > % B> X H$ % 8 7 ( " H$ : - C 1 c U> H,
. - xv9 A? W 9 3 ) H$ % 8

(?" 8?) 9 D J+" ( + F /I

? 8 I0H ( :5 0 7
#$ $ l p - ? *

#$ $ l p ? *

#$ l p #$ )- 7 (
#$ l p %9 "7 (

7 ( H$ ' ? * 7 ( : B+ 9 H$ % 8 >
% $ $ ) B> A$ . 3 6 J> $ 0 H$ % 8
dv 1? ' , $ K$4+L $ = ? 'H $ C B> 1%
"" -> #$ )- J> ? ' C Y, c$ :M
9 A - $ 0 7 - >$ B>
. > 3 6 % $ > D$3
A . % $ 9 A $> P H$ % 8 R S>
2 1 . % 3 6 & $K y~v 9 A - • u 3Z 7 (
B > H$ % 8 c U> #$ & 4 5* " , % ` > > A$
9 ` > * P ? W !A 8% 7 ( G %" & S
" ; !> 3 6 % $ $ ! 6" >
. % - S yv9 A - • U : - $
(% 7 8 9 56/,

(?" 8?) 9 G) 3 D J+" ( + F >I

&
4 67
+L ( <0# 0 7
/
=& # J ) K
dƒv~w f yƒv #$ l ? *

gƒv~d gƒj gƒv T#$ $ ? *

gƒv~d gƒj gƒvv #$ )- 7 (

gƒggd~gƒgj gƒggf gƒgy "7 (
.Mx 43 _ ($ L - ? * n 2 % $ : $J T

U % B> X & 1[K :D$3 7 ( " %

} % 3 6 & $K " h -
@ Y, " N%$ : B> - 8/ U % ME
B > > U ‡ % $ ~fwƒw 1 Mdeef~fggxL "
% Y, " & p HB $ S>, " . - 1 '
M ! -$> % o ; ‡ % L B+ $ A 1%
B+ Y, " & p {= !A : % $8> O % X & '[@
7 .C $a X ," % " B6 > : " @
@ X Y, " & p N%$ U " % % J>
p R ' A$ . - 7% 9 = % !A : "
UW > P M~fwƒwL N%$ " Y, " > U A$
U : " = " p C 2 * H @ !A . -
7 . % - 3 6 J> ~fz 1 Y, " N%$
N %$ " : % $ 3 6 3 8 " A$
{ = H, + !% B+ Y, _W% & p $ M fjL ;
- A$ . % - 3( d9 = c U> ? ' % *>
 (&

% $ !U ' A$ > % xg~yg 1 ? '& p

. - $+ " ` > BP> / :9
bH -. % - = f & 8% = % $ ? ' MY
7 (Z " K1 >" 6$0A !A $ a h[K %
G > €[ -„ > I #$ )- \ $ gƒggf " "
. % 3 6 & $K : -

5 3 7 A L N- G .
: - - !>, •[8 " % 9 H$ % 8
l - , B> $ O% . % 3 6 & $K
H$ % 8 U !A : % $ M !3 L N%$ $ M " L #$ 45*
!> H$ % 8 . > 3 6 % $ - : : 9
: - 9$ 8 $ K1` > >$6
$ l ` > U . % - R S> y v 9 A - $
!A > " - R S> 6" > 9 " K 1 N%$
. % - • vv dv !0)- 9 " K 1 #$
" ; :H$ % 8 ` > HB ? % !A
D 8W> X> B> , - C% ` > 6 $ >
} - " $ - . % 6 • - %
d
M--L X 8 7 (
M= L W+ \ N%$ aA
M L 6 7 (
M L 8

- - ++
(' 7 8 9 56/,

N _ ($ : > - h- D$3 ";

N %$ # 2 9 c$ ` > , % #: 6" > ` > , % 2: ,
. - , % 2 B> . H *> % ";
A HB X 8 l$ > 2 $J % 4+ - @ D0EJ ' M N
: H %$> ; ; H, U ) p W
% $ p % X> *> : - -- > P: -- 2
% H - -- 6 % $A$ C U X 8
p >, -- 1 R$! $A O$)2 X 8 p
}" % & 8' X 8 7 ( W . > $A X 8 • U0W 2 W $
2 2 # #
-- '
2 2 # #

=A - 6 45* " ) & !" # $ %&

‹ % p 1 H, 1 H $ H ) , m+ - X 8 > m+ -
aA 1 : - 7 1 #$ l X> # 2 p 6 2
05 1 p 6 n U . % B> W+ \ N%$
}" % & 8' W+ \ N%$ aA W . > aH ) 45* >

= # 2 '
2 : - ?0W & $4 p 6 € 2 & '( )* +
> P ) p l$ > 6 U H$ m+ -
7 ( W . % K m+ - U : - - > $A 6 U
}" % & 8' 6

# # 2 2
'
@
} - 8% = 6" > X> €[ + }'
 ((

E# 2F '
9 " " " ; 9$ 2 U :vv9 A
(. H * > #$ l : % - • 8 2 \A E0 5 #$
A$ $a = : $A$ \A & U U= ‡ - A$ )
. % *> • 45* U $ % , % #$ l

O J. (?" 8?) 9 j + D J+" ( + F II

N(
P "O " 9 ( :5 0 7
8 I0H

•yŒ :•xŒ :•fŒ :•dŒ gƒj " * gƒzv~gƒe H -- X 8 7 (

n K$ 1
•yŒ :•xŒ :•fŒ :•dŒ gƒv " gƒd~gƒz = \ N%$ aA
W+
•yŒ :•xŒ :•fŒ :•dŒ xg " dv~xv K 6 7 (

•yŒ :•xŒ :•fŒ :•dŒ gƒx " gƒf~gƒv 8

n K$

U 8 % = #$ $ l 6 $ > dv v w v 9 )-
H* > -: : H$ % 8 , B> $ N%$ - 8/ U
! >$ >: - $ , "R ) - A$ .
% X ) !>, '$ S 3 6 J> )0 : - 9 H$ % 8 X>
0 >$ 5 8 9 ‡ H$ ' . " % ) $ & Q
% > *> H, H $ H *> 6" > 9 " K1 %
. > > X ) " €[ + X> 1 6" > 9
a / H ) > " % HB H *> X 8 7 (
‫‬ ‫  ‪
   /‬‬

‫‪5‬‬
‫‪CC=0.979‬‬
‫‪RMSE=0.203‬‬
‫‪4‬‬ ‫‪SI=0.251‬‬
‫‪Bias=0.098‬‬

‫‪3‬‬

‫‪2‬‬

‫‪1‬‬

‫‪0‬‬
‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬

‫ﺷﻜﻞ ‪5‬ـ‪6‬ـ ﻧﻤﻮدار ﭘﺮاﻛﻨﺪﮔﻲ ارﺗﻔﺎع ﻣﻮج ﺣﺎﺻﻞ از ﻣﺪل در ﻣﻘﺎﻳﺴﻪ ﺑﺎ اﻧﺪازهﮔﻴﺮي ﺑﻮﻳﻪ اﻧﺰﻟﻲ )دورة‬
‫ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ‪(A‬‬

‫‪8‬‬
‫‪CC=0.89‬‬
‫‪RMSE=0.52‬‬
‫‪SI=0.154‬‬
‫‪6‬‬ ‫‪Bias=0.087‬‬

‫‪4‬‬

‫‪2‬‬

‫‪0‬‬
‫‪0‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪6‬‬ ‫‪8‬‬

‫ﺷﻜﻞ ‪5‬ـ‪7‬ـ ﻧﻤﻮدار ﭘﺮاﻛﻨﺪﮔﻲ ﭘﺮﻳﻮد ﻣﻮج ﺣﺎﺻﻞ از ﻣﺪل در ﻣﻘﺎﻳﺴﻪ ﺑﺎ اﻧﺪازهﮔﻴﺮي ﺑﻮﻳﻪ اﻧﺰﻟﻲ )دورة‬
‫ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ‪(A‬‬
‫  
  
‬ ‫‬

‫‪5‬‬
‫‪C C=0.91‬‬
‫‪RMSE=0.29‬‬
‫‪4‬‬ ‫‪SI=0.4‬‬
‫‪Bias=0.058‬‬

‫‪3‬‬

‫‪2‬‬

‫‪1‬‬

‫‪0‬‬
‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬

‫ﺷﻜﻞ ‪5‬ـ‪ 8‬ﻧﻤﻮدار ﭘﺮاﻛﻨﺪﮔﻲ ارﺗﻔﺎع ﻣﻮج ﺣﺎﺻﻞ از ﻣﺪل در ﻣﻘﺎﻳﺴﻪ ﺑﺎ اﻧﺪازهﮔﻴﺮي ﺑﻮﻳﻪ اﻣﻴﺮآﺑﺎد )دورة‬
‫ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ‪(B‬‬

‫‪8‬‬
‫‪CC=0.84‬‬
‫‪RMSE=0.625‬‬
‫‪SI=0.174‬‬
‫‪6‬‬ ‫‪Bias=-0.219‬‬

‫‪4‬‬

‫‪2‬‬

‫‪0‬‬
‫‪0‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪6‬‬ ‫‪8‬‬

‫ﺷﻜﻞ ‪5‬ـ‪9‬ـ ﻧﻤﻮدار ﭘﺮاﻛﻨﺪﮔﻲ ﭘﺮﻳﻮد ﻣﻮج ﺣﺎﺻﻞ از ﻣﺪل در ﻣﻘﺎﻳﺴﻪ ﺑﺎ اﻧﺪازهﮔﻴﺮي ﺑﻮﻳﻪ اﻣﻴﺮآﺑﺎد )دورة‬
‫ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ‪(B‬‬
‫‬ ‫  ‪   /‬‬

‫‪5‬‬
‫‪CC =0.978‬‬
‫‪RMSE=0.194‬‬
‫‪4‬‬ ‫‪SI=0.168‬‬
‫‪Bias=0.099‬‬

‫‪3‬‬

‫‪2‬‬

‫‪1‬‬

‫‪0‬‬
‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬

‫ﺷﻜﻞ ‪5‬ـ‪10‬ـ ﻧﻤﻮدار ﭘﺮاﻛﻨﺪﮔﻲ ارﺗﻔﺎع ﻣﻮج ﺣﺎﺻﻞ از ﻣﺪل در ﻣﻘﺎﻳﺴﻪ ﺑﺎ اﻧﺪازهﮔﻴﺮي ﺑﻮﻳﻪ اﻧﺰﻟﻲ )دوره‬
‫ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ‪(C‬‬

‫‪8‬‬
‫‪CC=0.87‬‬
‫‪RMSE=0.633‬‬
‫‪SI=0.15‬‬
‫‪6‬‬ ‫‪Bias=-0.23‬‬

‫‪4‬‬

‫‪2‬‬

‫‪0‬‬
‫‪0‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪6‬‬ ‫‪8‬‬

‫ﺷﻜﻞ ‪5‬ـ‪11‬ـ ﻧﻤﻮدار ﭘﺮاﻛﻨﺪﮔﻲ ﭘﺮﻳﻮد ﻣﻮج ﺣﺎﺻﻞ از ﻣﺪل در ﻣﻘﺎﻳﺴﻪ ﺑﺎ اﻧﺪازهﮔﻴﺮي ﺑﻮﻳﻪ اﻧﺰﻟﻲ )دوره‬
‫ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ‪(C‬‬
‫  
  
‬ ‫!‬

‫‪5‬‬
‫‪CC=0.898‬‬
‫‪RMSE=0.309‬‬
‫‪4‬‬ ‫‪SI=0.289‬‬
‫‪Bias=0.044‬‬
‫‪3‬‬

‫‪2‬‬

‫‪1‬‬

‫‪0‬‬
‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬

‫ﺷﻜﻞ ‪5‬ـ‪12‬ـ ﻧﻤﻮدار ﭘﺮاﻛﻨﺪﮔﻲ ارﺗﻔﺎع ﻣﻮج ﺣﺎﺻﻞ از ﻣﺪل در ﻣﻘﺎﻳﺴﻪ ﺑﺎ اﻧﺪازهﮔﻴﺮي ﺑﻮﻳﻪ اﻧﺰﻟﻲ )دوره‬
‫ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ‪(E‬‬

‫‪8‬‬
‫‪CC=0.72‬‬
‫‪RMSE=0.54‬‬
‫‪SI=0.14‬‬
‫‪6‬‬ ‫‪Bias=0.11‬‬

‫‪4‬‬

‫‪2‬‬

‫‪0‬‬
‫‪0‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪6‬‬ ‫‪8‬‬

‫ﺷﻜﻞ ‪5‬ـ‪13‬ـ ﻧﻤﻮدار ﭘﺮاﻛﻨﺪﮔﻲ ﭘﺮﻳﻮد ﻣﻮج ﺣﺎﺻﻞ از ﻣﺪل در ﻣﻘﺎﻳﺴﻪ ﺑﺎ اﻧﺪازهﮔﻴﺮي ﺑﻮﻳﻪ اﻧﺰﻟﻲ )دورة‬
‫ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن ‪(E‬‬
 * 7 8 9 56/,

7 7

('
+,& ' ('
8
4,1 8 4,1

8 5 ',6 8 5 ',6

D 2& N(2B< , ! L!I %&'

= ..
- , , , G- " " + = .41 H
- * - + , " ", 1. ) C( # 11 .
- , C = , 9 ", ? , G- " * " +
= # H, 5 ? ? * + *,
. , ++, - , . : 11 .
) - 2, !, = ? , G / 0;7. 005D
- " " H C ( + # = , 1:, 9 - ,
) ). ) 0, 111 .
4 # , A =, C C , % (* , C - 9 * , % = , % ,
= , U , = , G " +
( " ( * ( = 2 " H C ( + -
* *, 47D . 7, 11).
; Q *$ ( H, "
: G ( ? # + *H, .9 51
 -. ,' () * + %& ! " # $
< " 5 : ( ;( 1 ) 6 7 89 / ) 0 123 4 5
1?9 ?@ *A 0 >' #= + 0 7
# E 'F -. + 'A + 7 9 < BAC (9 D
>' # H 1 D I .9 1 9 G9 ' F9

1F K L: < 5/ )0 J : 19 (
N 6 -. 7 0 >' (9 K (M
> G91 P 8 Q JK 'F 0OG + 'A < 9 O
P 2T + 'A < BAC 5 J U 4 # 7RS < BAC T
> # 1 %V T (F < 3 'F
 *$

! ,"l k W D ' AVC -(Be #5 G " K

B X6f } -/$ ' %

X6d }= 3 I
X 6 vg } 3 I

9 A :D$3 & 45* $^ !P " % , O%

$J . % J a H ) & +h - - Z H "&
: J> $ & 45* !>, ? W $A$ $^ & 2W " H @
]^ % - R S> B 3 5 % E0 5 7 P 2
: >F$ @ H " )0 ' " ”1 A ' % J> " ! 7
Z- :9 2 % A $J !> . 6Y5> 9 A
. Z B3 K vg 1 A ' % - R S> $^
} > $ " & 45* 9 A !> 5> C %

" :'4( ?P B #9 + T+,?" K

B X 6 fƒy } -/$ ' %

X6d }= 3 I
X 6 wg } 3 I

X % Z- " % 9 H %, < W A !A : $
} % - 3 6 ! B> " C %" : $^
D \W " ] 9$U2 > "& 9 A !A $/
O$ 0 = K: $ > ; $^ % 9 !A /- ? X%
*% 34 < 5:;

9 U> A 9 1 $^ X % Z- 0+ 9 4 !A )8- (

0K )8- - A 3

!H Q8R 4
$ 1* D " ( K
M ( L & 4 5* " : B + % " 9 A
( ` > :9 !>, O % 9 H$ % 8 Z5 - b
C U . % - % : - , B> *5
A $^ : $ A$ $^ M9 % df 1L " > "
&F ) - H > % 1 . % - !' 9 " 9% 1
-/$ ZB3 A ' %Z B > D \W " -> 1
-C U y x P B> % :& >F$@ A
" R % b R"F . % - A 9 8) " R
l - 9 > -$^ $+ 08 " 1
- + M " ( L A \W " 8 N - ? 8W 3 H " A
. % - €a1 " c$ ` > :9 A + a+ R X . -

H% O $ 0R2 5 D " ( K
h - A$ 9 " K 1 & '[@ +b 3 A + 3 a+
E 05 & 45* :& + h - ? W . % 3 6 & $K G & +
!, A gƒdfv 6 K $3 )8- #$ c$
A + :O % . 6 • " = c U> % A gƒfv H
[ '. - 1> & 2 CJ )8- - d w )- ? W 9
H " % J> $ & '[@ " B> @ A + :9 45*
 *&

&$K WU> @ & '[@ A$ . % $ $>

E 2 $ => c U> : $- +b M + L 2 '[@ 3; BS
3 2 Z !A . - 9 0K )8- & '[@ ?8W > -
9 A + 3; X H ) 3 pA u ' c U> : A +
. > - 3 2
Z - :#$ & '[@ • > " R 6 :& +h - Cr 0'
Z ' %; U : Z B3 $J : % - 2 '%
1 #$ l 2 #$ l $ ‰ . % -
h -? W @ & '[@ 8 . % J> (: 6 % $
F CS1 A$ % - +b 8) ' % Z- & +
. % $8> a H ) > " K $3 H, • :& '[@
A +: - , B> #$ & 45* A$
H > 6 A & $4 $ A$ $ 2$ 9
A + A + > " K $3 . % - a+ WU> ? &45
. % - 3 6 J> '%d @ A + U dv
$ $ 8' E 0 5 !P I @$W+ : A + ['
? U H) % - 3 6 A +9 " B > B+ ! 2

\@ U 9 ` >9 !A !> . 6C 3 $
)8 - & $4 L % $ 8% = )8- 9 ` > " :E0 5 > "
9 E 05 H$ ? @ " % - 3 6 A + MCJ >
. $ >9 > A 9[+ > $ ' J> 9 B>
K[+ & $4 M % - ,Z5 H Lx w9 A
!P 0 1 . % - • !>, & 45* A + 3 %
} % - a+ 9 " E0 5 A + 3 l$>
 *' 34 < 5:;

E 05 > "& p $ = !0 3 } + 1 >$ !0 3

. WU> ;
" l$ > N+ ; 9$@ > "& p } + >$ !0 3
9$ @ 9 ` > :& '[@ >$X " >$ > . >$ - +b !0 3
. $
E 05 !> " 9 ` > +b !A !0 3 >$X } + >$ !0 3
!A 9 0K !A +\ > ) 2 1>;
7 1 E 0 5 c U> & '[@ . - !> '[@ ;>
. $A !0 3 c U> & 4 5
% $ CJ > )8 - 9 _ > } + ( >$ !0 3
C HB : $- +b !0 3 >$X "
. 1 > H, )8- 2 X 1>

H ?5 R n C (W [,3 (^ @N ( m G i ( a K%&'
 *(

H% O $ 0 . ( ( K
} - " & $4 : G & + h - ? W :" > $ A +
#$ 45* l
N%$ $
; $
#$ !A
!A ' %
#$ !A E @
M$- • 0 & $K #$ E @ " rL 45* " ;
WU> 0= : 0 #$ 1 % 8) ' % Z-
. 6 • > 6 A & $4
M !V L K" \W $ :D$3 $ [' 9 " A +
A !A B > d !A 2 € => B> - 9 !1 9 2 B>
E 2 . > -{= 6 % $ " c - H$ ' 0= 9
43 G > E @ A$ !>, 8% = X>$XP 9 A +
} 6 - H • S S % - • K[+ & $K i B6 R$%
!A ]> 3 7 1 G > E@ XP R$ U E+ , F $K
H$ M " L E0 5 A @ X U 8% = -
} 6 8% = " & $4 " U . 8% = #$ E0 5

" + E+ , F + (
1 1

:E 2 A$ . - #$ V " ; ]> 3 + H,
} > 6 E 2 " & $4 #$ 45*
*) 34 < 5:;

2, - . / 01
"1 4 "1 (
2, # $ )
"1
!1 (
"

25 !1 4 03 ! )
"1
!1 (
"

2, # $ 67&

" E F '(
}H,

E+ , F + ((
"1 1 1

E+ , F + )(
"1 1 1

. - #$ V " ; !A € 2 :N
#$ l$ > % @$ : A +E 2 - - >$6H
f d
0= # $ H A 0K 8 . % - 3 6 J> 0= : 0
$ l 8 >, #$ 0 $W % 2 X ) "
F $ #$ ; H $ $ " !A > M B!L

78 % % 4 $> $a i . $ >u 3 #$ > / j •[‡

$ ; 3 6 J> !>, 0 A " % - X i )

?
 *

d
H, #$ :#$ - HB : 01 % p "% A
0= # $ " #$ H A 0 i 9 . > A
} $- - !>, K[+ $@ $A
$ " * $ i @ (/ ? 0#O & 7 S R )
. >$- 3 6 J> #$ H $ ' M > / j •[‡ L > %,
/ > %, i " % : - b >$X> @ 0 0#O & 7 S R T
= H, " % [ ' % 4 $> #$ "% A !A
0= # $ % = ! 0 A" . "% A$
Z $ : - S #$ E @ $A " $ [ ' "l
#$ ) Cr 0' & $4 . $A !A$ = >/j"
; #$ 9 U > / #$ $ Z B3 ‹ 2 ‹ #$ 0K K$4+
.$ $+ #$ - :D$ 3 2 O % : > > >F$@
#$ ;) 0 ) $4 : $ $+ " > $ 2
B > J> $ WU> #$ !A 0= !A €[ + H$P 2 O%
; m 5* 2 . - - - @ 9$@ #$ $ Z B3
!A $ 2 " 8 )0 > $ H, $ ! #$ $
!A 0 i 1 . 6 % $ 0= U
} $A , #$ "% A
8 M]> 3 L $ i @" ;& 0 0#O & 7 S R% R U
; $A$ G > E@; U U O% : #$ "% A !A
} , % % 3 2%$ [ #$ I / . ? 3 E@

+ + /,/ E /
F! *(

# " !
.' ' /$ $.
) 34 < 5:;

$ B 5 /K
$ &E7 W V N&!
/ +( '%d CJ > 8% = )8- 9 A +

" + U dv , $ = 9 A +

3 + U dv B> $ = 9 A +

" + '%d , $ = !A > 3E@

3 + '%d B> $ = !A > 3E@

$ + '%d A gƒfv K $3 )8- 9 A +

u ' " A F+
+ '%d A gƒdfv K $3 )8- 9
Y, & S A
! + '%d ! 2 $ I ! #$

! + '%d ! 2 $ I ! #$

! ) + '%d ! 2 $ I ! ) #$

! 4 + '%d ! 2 $ I ! 4 #$

):: ; + ' % d A xwƒwfv u ' $A$ c U> !A > 3E@

):5;1 + ' % w A xwƒzvg u ' $A$ c U> !A > 3E@

):75; + ' % w A xwƒjzv u ' $A$ c U> !A > 3E@

)5111 + '%w A xzƒgggu ' $A$ c U> !A > 3E@

)5 ; + ' % w A xzƒdfv u ' $A$ c U> !A > 3E@

)5 ;1 + ' % w A xzƒfvg u ' $A$ c U> !A > 3E@

)5)5; + ' % w A xzƒxzv u ' $A$ c U> !A > 3E@

)5;11 + ' % w A xzƒvgg u ' $A$ c U> !A > 3E@

)5: ; + ' % w A xzƒwfv u ' $A$ c U> !A > 3E@

)55;1 + ' % w A xzƒzvg u ' $A$ c U> !A > 3E@

)575; + ' % w A xzƒjzv u ' $A$ c U> !A > 3E@

 *

$ B 5 /K
$ &E7 W V N&!
)7111 + '%w A xjƒggg u ' $A$ c U> !A > 3E@

)7 ; + '%w A xjƒdfv u ' $A$ c U> !A > 3E@

)7 ;1 + '%w A xjƒfvg u ' $A$ c U> !A > 3E@

)7)5; + '%w A xjƒxzv u ' $A$ c U> !A > 3E@

)7;11 + '%w A xjƒvgg u ' $A$ c U> !A > 3E@

)75;1 + '%w A xjƒzvg u ' $A$ c U> !A > 3E@

)0111 + '%w A xeƒggg u ' $A$ c U> !A > 3E@

)0 ;1 + '%w A xeƒfvg u ' $A$ c U> !A > 3E@

)0;11 + '%w A xeƒvgg u ' $A$ c U> !A > 3E@

)05;1 + '%w A xeƒzvg u ' $A$ c U> !A > 3E@

41111 + '%w A ygƒggg u ' $A$ c U> !A > 3E@

41 ;1 + '%w A ygƒfvg u ' $A$ c U> !A > 3E@

41;11 + '%w A ygƒvgg u ' $A$ c U> !A > 3E@

415;1 + '%w A ygƒzvg u ' $A$ c U> !A > 3E@

4 111 + '%w A ydƒggg u ' $A$ c U> !A > 3E@

4 ;1 + '%w A ydƒfvg u ' $A$ c U> !A > 3E@

4 ;11 + '%w A ydƒvgg u ' $A$ c U> !A > 3E@

4 5;1 + '%w A ydƒzvg u ' $A$ c U> !A > 3E@

4 111 + '%w A yfƒggg u ' $A$ c U> !A > 3E@

4 ;1 + '%w A yfƒfvg u ' $A$ c U> !A > 3E@

4 ;11 + '%w A yfƒvgg u ' $A$ c U> !A > 3E@

4 5;1 + '%w A yfƒzvg u ' $A$ c U> !A > 3E@

 34 < 5:;

$ B 5 /K
$ &E7 + W V N&!

4)111 + '%w A yxƒggg u ' $A$ c U> !A > 3E@

4) ;1 + '%w A yxƒfvg u ' $A$ c U> !A > 3E@

4);11 + '%w A yxƒvgg u ' $A$ c U> !A > 3E@

4)5;1 + '%w A yxƒzvg u ' $A$ c U> !A > 3E@

44111 + '%w A yyƒggg u ' $A$ c U> !A > 3E@

44 ;1 + '%w A yyƒfvg u ' $A$ c U> !A > 3E@

44;11 + '%w A yyƒvgg u ' $A$ c U> !A > 3E@

445;1 + '%w A yyƒzvg u ' $A$ c U> !A > 3E@

4;111 + '%w A yvƒggg u ' $A$ c U> !A > 3E@

4; ;1 + '%w A yvƒfvg u ' $A$ c U> !A > 3E@

4;;11 + '%w A yvƒvgg u ' $A$ c U> !A > 3E@

4;5;1 + '%w A yvƒzvg u ' $A$ c U> !A > 3E@

4:111 + '%w A ywƒggg u ' $A$ c U> !A > 3E@

4: ;1 + '%w A ywƒfvg u ' $A$ c U> !A > 3E@

4:;11 + '%w A ywƒvgg u ' $A$ c U> !A > 3E@

4:5;1 + '%w A ywƒzvg u ' $A$ c U> !A > 3E@

$# ? =@ -0 =/9 5=>

` > " ` >H 8% ? W $ :& * ?8@

#$ !A Y$+ ?3 $ H A$ )> . $A 6" >
H$ % 8 01 !A % % R ' $A - $
!0) - : = -- " S = A$ . % - K1
$+ " $ = 9 ` > • 8 U H *>
* G U #$ $ $ . - $ +
* ? 0;7. 005 L
" " , ! - 2 L = ? , C ( + #
M= , 1:, 9 - , / * ) ). ) 0, > ( # ;, 11
H *> E ( ? # + *, .9 51 F
$+ $+ " B > #$ $ ` >
U 9[+ B > •[8 6" > ` > 9 ` > " K 1 #$ !A ?3 $
9 ` > U [' . $ - K1 B> -/ 6" > 9 ` >
% :q + > " % & $K )> $ 6" > ` >
) " " K 1 #$ 6 : )> $ = #$ !A l R•$ ? W
deef 9 % $ ) 6" > " K 1 #$ 6 )> $ = #$
. % - Z > xx z )- H, ` > - U

fG" # UU " & ( %^ ?<D ,) %_ 3 N(2B< // L %&'

H ( fst
 $$

$+ U W #$ 6 #$ 7 r & !A 0 )- J> " :& * ?8@

- r 9 - 0K 7 r !A 1 . H *>
%9 - 27r !A . $- - #$ kyg 1 #$ 06
- # $ kfd 1 " % 8- #$ 6 kfj 1 6 " > #$ 6
#$ 6 '& .$- * !>, H K z €[ + ; -
#$ 6 kdx 1 6 " > " K 1 #$ 6 - Yr !A # $
K1 K e % ky 1 ' " % 8- " K 1
- ' " % 8 -" K 1 #$ 6. - - #$ K & 1
- B > Y rY$ A -Y$ A :D - !A # $ " = K
gƒzv gƒfv = $ a #$ l . % K j 1 l$ S
A$ . $- > * 6 " > " K 1 #$ 6 !>, & !A
1 M "L R ,N - K & $ a #$ K 2
#$ 6 kdjƒx ' " % 8 - " K 1 #$ 6 kdg 1 -
#$ " >"Z 5 $a & % J> : $ " K 1
1 #$ 6 U :9 1 . - 9 0% M gƒfv " LC l
. - 9 0% 7r !A # $ H $ > $J H *> 0

$ /0 $ 0 3 3 12 (
WU> & $K 9 " K1` >: - d x z Z5 >$X>
>$ 5 $ $+ $8 " )> B> : , $ =
R S> A$ :9 1 0< . % - 6" > ` > $+
` > " H$ !A - J> $ = 9 H$ % 8
.$ > % 8% H @ $a $ = c U> % 9
N% 1%" ?@ 9 ` > % X>$XP :C! 0< H
P 6 . > 0 K 3 H$ % 8 % $ >) = " -
 $% ? =@ -0 =/9 5=>

:H$ % 8 0 9 B> H h[K 2 " )

df A @ c U> 9 ` > ? 9 $A : > $ 1%"
c U> $ Y r . > S * H @ >$ 9 %
` >9 7% $ & '[@ % J> 1%"
!>, 6 " > X>$XP $ & 45* $ . - c U>
. % - ’= 3 & •BA @$ 43 & '[@ B>
" G % $ 7% : - - >$6 H
deef fggg > " = ! 2B/ o $ c$ H #$
9 ` > U !A . - ' % dg " e & '[@ - K$3
" K 1 ` > Y 5 > ?8@ > 6 !P "; 0 5 c U> $
. 6 a+ WU> = :$ -E 2 9 A + •[8 9
d
R X! n U •[ ' & '[@ - " > " K $3 A$
U X ) B>f 6 $ > & $4 ` > : " % A$ =
. H *> U - 3 6 J> c U> 2 $ xy z )- . % -

#$ , D ' +5 < i a G? P( /> L%&'

= !"
/
‫       
‬ ‫‬

‫ﻣﻮﻗﻌﻴﺖ ﺟﻐﺮاﻓﻴﺎﻳﻲ ﻧﻘﺎط ‪ Tr-2-3‬و ‪Tr-3-2‬در ﺟﺪول ‪7‬ـ‪ 1‬و ﻧﺘﺎﻳﺞ ارﺗﻔـﺎع ﻣـﻮج آﻧﻬـﺎ‬
‫ﻫﻢ ﺑﻪ ﺻﻮرت ﻧﻤﻮدار ﭘﺮاﻛﻨﺪﮔﻲ و ﻫﻢ ﺑﻪ ﺻـﻮرت ﺳـﺮي زﻣـﺎﻧﻲ در اﺷـﻜﺎل ‪7‬ــ‪ 35‬اﻟـﻲ‬
‫‪7‬ـ‪ 38‬اراﺋﻪ ﺷﺪهاﻧﺪ‪ .‬ﻫﻤﺎﻧﮕﻮﻧﻪ ﻛﻪ دﻳﺪه ﻣﻲﺷﻮد‪ ،‬ﻣﻴﺰان ﭘﺮاﻛﻨـﺪﮔﻲ ﻧﺘـﺎﻳﺞ ﺗـﺎ ارﺗﻔـﺎع ﻣـﻮج‬
‫ﺣﺪود ‪ 3‬ﻣﺘﺮ ﭼﻨﺪان ﻗﺎﺑﻞ ﺗﻮﺟﻪ ﻧﻴﺴﺖ و ﺑﺮاي ارﺗﻔﺎعﻫﺎي ﻣﻮج ﺑﺎﻻﺗﺮ روﻧﺪ ﻛﻠـﻲ ﻣﻨﺎﺳـﺐ‬
‫ﺑﻪ ﻧﻈﺮ ﻣﻲرﺳﺪ‪.‬‬

‫‪Tr-3-2‬‬ ‫ﺟﺪول ‪7‬ـ‪1‬ـ ﻣﻮﻗﻌﻴﺖ ﺟﻐﺮاﻓﻴﺎﻳﻲ ﻧﻘﺎط ‪ Tr-2-3‬و‬

‫ﻣﻮﻗﻌﻴﺖ‬ ‫ﻣﺨﺘﺼﺎت‬ ‫ﻧﻘﻄﻪ‬

‫ﻐ اﻓ ﺎ‬
‫‪Track2‬‬ ‫‪50.99 , 37.14‬‬ ‫‪Tr-2-3‬‬

‫‪Track3‬‬ ‫‪52.14 , 38.82‬‬ ‫‪Tr-3-2‬‬

‫)‪(m‬‬
‫‪6‬‬
‫(‬ ‫)‬
‫‪B ias= -0.01‬‬
‫‪RM S= 0.41‬‬
‫‪5‬‬ ‫=‪SI‬‬ ‫‪0.43‬‬
‫‪CC= 0.84‬‬
‫‪N.P = 178‬‬
‫‪4‬‬

‫‪3‬‬

‫‪2‬‬

‫‪1‬‬

‫‪0‬‬
‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬

‫‪Tr-2-3‬‬ ‫ﺷﻜﻞ ‪7‬ـ‪35‬ـ ﻧﻤﻮدار ﭘﺮاﻛﻨﺪﮔﻲ ارﺗﻔﺎع ﻣﻮج ﺣﺎﺻﻞ از ﻣﺪﻟﺴﺎزي و دادهﻫﺎي ﻣﺎﻫﻮارهاي ﺑﺮاي ﻧﻘﻄﻪ‬
 % ? =@ -0 =/9 5=>

WU> X 8 7 ( U O% - gƒzv~gƒe
b 9, = U ( .Mgƒjj gƒjyL 6 =
U 9 ` > 0 =K U . > B>9 A -
= . - 9, = BP> B> H *> 6" >
gƒv " 9, 1 % $ gƒd~gƒz 9 A O% B>= "S
% $ WU> " K1= U 1 . K1
9, 1 9 > = 3 6 [' $ gƒxv gƒyd7
9 > = " 9 WU> B> 6 m+ - U . > 6 B>
. 9 > 1 R WU> ) 1 : % *

= &9
? , =, C - , ! - 2 G A * ! " 9
H, ; * > *, ( ,
> , :.)1 C ( # 007
, =, # , G ! ? 41.# * .= (
> ! ( 9 H, / :
* > *, #, $ , :. 1 9 111
) - , , , G- " " + = .41 / ( H, / +
- > = . # , = .41 / M = , 9 ), );).
):7, = *, ;.0 9 11
4 - , C = , 9 ", ? , G- " * " +
= # H, 5 ? ? * + *,
. , ++, - , . : 11
; - 2, ! , = ? , G / 0;7. 005D
- " " H, C ( + # = , 1:, 9 - ,
) ). ) 0, 111
: # , A =, C C , % (* , C - 9 * , % = , % ,
= , U , = , G " +
( " ( * ( = 2 " H C ( + -
* *, 47D . 7, 11)
5 Q $ I ( H, , , C( # 000
7 G! 2B/ * / H, 9 E (" = ( > #F,
00
0 G ( ? # + *H5 .9 51
‫‬ ‫  ‪
    /‬‬

‫ﻓﺼﻞ ﻫﺸﺘﻢ‬

‫ﺗﺤﻠﻴﻞ ﻣﻘﺎدﻳﺮ ﺣﺪي‬

‫‪8‬ـ‪1‬ـ ﻣﻘﺪﻣﻪ‬
‫ﺑﺴﻴﺎري از ﭘﺪﻳﺪهﻫﺎﻳﻲ ﻛﻪ در ﺷﺎﺧﻪﻫﺎي ﻣﺨﺘﻠﻒ ﻣﻬﻨﺪﺳﻲ و ﻋﻠﻮم ﻣـﻮرد ﺗﺠﺰﻳـﻪ و ﺗﺤﻠﻴـﻞ‬
‫ﻗﺮار ﻣﻲﮔﻴﺮﻧﺪ داراي ﻃﺒﻴﻌﺖ ﺗﺼﺎدﻓﻲ ﻣﻲﺑﺎﺷﻨﺪ؛ از اﻳﻦ رو ﻧﻤﻲﺗﻮان ﺑﺎ ﻗﺎﻃﻌﻴﺖ در ﻣﻮرد وﻗـﻮع‬
‫ﻳﺎ ﻋﺪم وﻗﻮع و ﻳﺎ ﻧﺤﻮه رﻓﺘﺎر دﻗﻴﻖ آﻧﻬﺎ در زﻣﺎن دﻟﺨﻮاه اﻇﻬـﺎرﻧﻈﺮ ﻛـﺮد‪ .‬ﺑـﺎ اﻳـﻦ وﺟـﻮد‪ ،‬ﺑـﻪ‬
‫ﻛﻤﻚ روﺷﻬﺎي آﻣﺎري و اﺣﺘﻤﺎﻻﺗﻲ اﻳﻦ اﻣﻜـﺎن ﻓـﺮاﻫﻢ ﺷـﺪه اﺳـﺖ ﺗـﺎ ﺑﺘـﻮان از روي رﻓﺘـﺎر‬
‫ﮔﺬﺷﺘﻪ اﻳﻦ ﭘﺪﻳﺪهﻫﺎ و ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺳﺎﻳﺮ ﻋﻮاﻣﻞ ﺗﺎﺛﻴﺮﮔﺬار‪ ،‬ﻗـﻮاﻧﻴﻨﻲ را در ﻣـﻮرد اﺣﺘﻤـﺎل وﻗـﻮع‬
‫آﻧﻬﺎ و ﻧﻴﺰ ﺑﺮﺧﻲ ﺷﺎﺧﺼﻪﻫﺎي ﻣﺮﺗﺒﻂ )از ﻗﺒﻴﻞ ﻣﻘﺎدﻳﺮ ﻣﻴﺎﻧﮕﻴﻦ‪ ،‬ﺑﻴﺸﻴﻨﻪ‪ (... ،‬اﺳﺘﺨﺮاج ﻧﻤﻮد‪.‬‬
‫ﺗﺤﻠﻴﻞ ﻣﻘﺎدﻳﺮ ﺣﺪي‪ ،1‬روﺷﻲ ﻋﻠﻤﻲ اﺳﺖ ﻛﻪ ﺑﺮ ﻣﺒﻨﺎي آن ﻣﻲﺗـﻮان ﺑـﻴﻦ ﻣﻘـﺎدﻳﺮ ﻳـﻚ‬
‫ﭘﺪﻳﺪه ﺗﺼﺎدﻓﻲ ﺑﺎ اﺣﺘﻤﺎل ﻳﺎ دوره ﺑﺎزﮔﺸﺖ وﻗﻮع آن ارﺗﺒﺎط ﺑﺮﻗﺮار ﻛـﺮد‪ .‬ﺗـﺎﻛﻨﻮن رواﺑـﻂ‬
‫زﻳﺎدي در اﻳﻦ زﻣﻴﻨﻪ ﺗﻮﺳﻂ ﻣﺤﻘﻘﻴﻦ اراﺋﻪ ﺷﺪه اﺳﺖ ﻛﻪ ﺑﻪ دﻟﻴﻞ ﺗﻔﺎوت ﻣﺎﻫﻴﺖ ﭘﺪﻳﺪهﻫﺎي‬
‫ﺗﺼﺎدﻓﻲ ﺑﺎ ﻳﻜﺪﻳﮕﺮ‪ ،‬ﻫﺮ ﻛﺪام از اﻳﻦ رواﺑﻂ )ﻛـﻪ اﺻـﻄﻼﺣﺎً ﺑـﻪ ﺗﻮاﺑـﻊ ﺗﻮزﻳـﻊ اﺣﺘﻤـﺎﻻﺗﻲ‬
‫ﻣﺸﻬﻮرﻧﺪ( ﺑﺮاي ﭘﺪﻳﺪه ﻳﺎ ﭘﺪﻳﺪهﻫﺎي ﺧﺎﺻﻲ )از ﻗﺒﻴﻞ ﺳـﻴﻞ‪ ،‬ﺑـﺎران‪ ،‬ﻣـﻮج‪ ،‬ﺑـﺎد‪ (... ،‬ﻗﺎﺑـﻞ‬
‫ﻛﺎرﺑﺮد ﻫﺴﺘﻨﺪ‪ .‬در ﭘﺮوژهﻫﺎي ﭘﻴﺶﻳﺎﺑﻲ‪ ،‬ﺑـﺎ ﺗﻮﺟـﻪ ﺑـﻪ اﻧـﺪازهﮔﻴـﺮيﻫـﺎ‪ ،‬ﻣـﺸﺎﻫﺪات و ﻳـﺎ‬
‫ﻣﺪﻟﺴﺎزيﻫﺎي ﻗﺒﻠﻲ ﻳﻜﻲ از ﺗﻮاﺑﻊ ﺗﻮزﻳﻊ ﺗﻮﺻﻴﻪ ﺷﺪه ﻛﻪ ﺑﻴﺸﺘﺮﻳﻦ ﻫﻤﺎﻫﻨﮕﻲ را ﺑـﺎ ﻣﻘـﺎدﻳﺮ‬

‫‪1. Extreme Value Analysis‬‬

‫
"!     ‬ ‫‬

‫ﻣﻮﺟﻮد داﺷﺘﻪ ﺑﺎﺷﺪ ﺑﻪ ﻋﻨﻮان اﻟﮕﻮي رﻓﺘﺎر ﭘﺪﻳﺪه ﻣﻮردﻧﻈﺮ اﻧﺘﺨﺎب ﻣـﻲﺷـﻮد‪ .‬ﻣﻌﻤـﻮﻻً در‬
‫ﺗﻮاﺑﻊ ﺗﻮزﻳﻊ‪ ،‬ﭘﺎراﻣﺘﺮﻫﺎﻳﻲ ﻧﻴﺰ وﺟﻮد دارد ﻛﻪ ﺑﺎ ﺗﻐﻴﻴﺮ آﻧﻬـﺎ ﻣـﻲﺗـﻮان ﻣﻴـﺰان ﺑـﺮازش ﺗـﺎﺑﻊ‬
‫ﺗﻮزﻳﻊ ﺑﻪ دادهﻫﺎ را اﻓﺰاﻳﺶ داد‪ .‬ﻧﻬﺎﻳﺘﺎً در ﺻﻮرﺗﻲ ﻛﻪ آزﻣﻮنﻫﺎي آﻣـﺎري اﺳـﺘﺎﻧﺪارد ﻧـﺸﺎن‬
‫دﻫﻨﺪ ﻛﻪ ﺑﻴﻦ دادهﻫﺎ و ﺗﺎﺑﻊ ﺗﻮزﻳﻊ اﻧﺘﺨﺎب ﺷﺪه ﻫﻤﺨﻮاﻧﻲ ﻛﺎﻓﻲ وﺟﻮد دارد‪ ،‬ﻣـﻲﺗـﻮان ﺑـﻪ‬
‫ازاي دورهﻫﺎي ﺑﺎزﮔﺸﺖ دﻟﺨﻮاه )ﺣﺘﻲ دورهﻫﺎي ﺑﺰرﮔﺘﺮ از آﻧﭽﻪ ﻛﻪ دادهﻫﺎي آن ﻣﻮﺟـﻮد‬
‫اﺳﺖ(‪ ،‬ﻣﻘﺎدﻳﺮ ﻣﻮردﻧﻈﺮ را از ﺗﺎﺑﻊ ﺗﻮزﻳﻊ اﺳﺘﺨﺮاج ﻛﺮد‪ .‬اﻟﺒﺘﻪ ﻧﺒﺎﻳﺪ اﻧﺘﻈـﺎر داﺷـﺖ ﻛـﻪ ﺑـﺎ‬
‫اﺳﺘﻔﺎده از دادهﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﻳﻚ ﺑﺎزه زﻣﺎﻧﻲ ﻣﺤﺪود ﺑﺘﻮاﻧﻴﻢ ﺑﻪ ازاي دورهﻫﺎي ﺑﺎزﮔـﺸﺖ‬
‫ﺑﺴﻴﺎر ﺑﺰرگ‪ ،‬ﻣﻘﺎدﻳﺮ دﻗﻴﻘﻲ ﺑﺪﺳﺖ آورﻳﻢ‪.‬‬
‫وﻗﻮع ﻣﻮج ﻛﻪ ﻣﻌﻤﻮﻻً ﻣﻬﻢﺗﺮﻳﻦ ﭘﺎراﻣﺘﺮ ﻃﺮاﺣـﻲ در ﻣـﺴﺎﺋﻞ ﻣﻬﻨﺪﺳـﻲ ﺳـﻮاﺣﻞ ﺑـﻪ ﺷـﻤﺎر‬
‫ﻣﻲرود‪ ،‬ﭘﺪﻳﺪهاي ﺗﺼﺎدﻓﻲ اﺳﺖ‪ .‬ﺑﺮ ﻫﻤﻴﻦ اﺳﺎس‪ ،‬ﺑﺴﻴﺎري از رواﺑﻂ ﻣﻮرد اﺳﺘﻔﺎده در ﻃﺮاﺣـﻲ‬
‫ﺳﺎﺣﻠﻲ ﺑﻪ ﮔﻮﻧﻪاي اﻳﻦ ﻋﺪم ﻗﻄﻌﻴﺖ را در ﻧﻈﺮ ﻣﻲﮔﻴﺮﻧﺪ‪ .‬ﺑﻜﺎرﮔﻴﺮي ﻣﻔـﺎﻫﻴﻤﻲ از ﻗﺒﻴـﻞ ارﺗﻔـﺎع‬
‫ﻣﻮج ﻣﻮﺛﺮ‪ ،‬ﺣﺪاﻛﺜﺮ ارﺗﻔﺎع ﻣﻮج ﻣﺤﺘﻤﻞ‪ ،‬دوره ﺑﺎزﮔﺸﺖ و درﺻﺪ رﻳﺴﻚ ﻗﺎﺑﻞ ﻗﺒﻮل در رواﺑـﻂ‬
‫و ﻓﺮﻣﻮلﻫﺎي ﻃﺮاﺣﻲ ﺑﻪ ﻫﻤﻴﻦ دﻟﻴﻞ ﻣﻲﺑﺎﺷﺪ‪ .‬در ﭘﺮوژه ﻣﺪﻟﺴﺎزي اﻣـﻮاج درﻳﺎﻫـﺎي اﻳـﺮان‪ ،‬ﺑـﺎ‬
‫اﺳﺘﻔﺎده از ﻳﻚ دوره ‪ 12‬ﺳﺎﻟﻪ ﻣﺪﻟﺴﺎزي ﻣـﻮج و ﺑـﺎ اﺳـﺘﻔﺎده از روش ﺗﺤﻠﻴـﻞ ﻣﻘـﺎدﻳﺮ ﺣـﺪي‪،‬‬
‫ﻣﻘﺎدﻳﺮ ارﺗﻔﺎع ﻣﻮج ﺑﺮاي دوره ﺑﺎزﮔﺸﺘﻬﺎي‪ 50 ، 20، 10، 5، 2‬و ‪ 100‬ﺳﺎﻟﻪ ﻣﺤﺎﺳﺒﻪ ﺷﺪه اﺳـﺖ‪.‬‬
‫در اﻳﻦ ﻓﺼﻞ روشﻫـﺎي اﻧﺘﺨﺎب دادهﻫﺎي ﻣﻮرد اﺳﺘﻔﺎده در ﺗﺤﻠﻴﻞ ﻣﻘﺎدﻳﺮ ﺣﺪي‪ ،‬ﺗﻮزﻳـﻊﻫـﺎ و‬
‫آزﻣﻮنﻫﺎي آﻣﺎري ﺗﻮﺻﻴﻪ ﺷﺪه در اﻳﻦ زﻣﻴﻨﻪ و ﻧﺘﺎﻳﺞ اﺟﺮاي آزﻣﺎﻳﺸﻲ ﻣﺪول ‪ EVA‬ﻧـﺮماﻓـﺰار‬
‫‪ Mike21‬ﺑﺮ روي دادهﻫﺎي ﺑﻪ دﺳﺖ آﻣﺪه از ﻣﺪل آورده ﺷﺪه اﺳﺖ‪.‬‬

‫‪8‬ـ‪2‬ـ روشﻫﺎي ﺗﺤﻠﻴﻞ ﻣﻘﺎدﻳﺮ ﺣﺪي‬

‫ﺳﻪ روش ﺑﺮاي اﻧﺘﺨﺎب دادهﻫﺎي ﻣﻮرد اﺳﺘﻔﺎده در ﺗﺤﻠﻴﻞ ﻣﻘﺎدﻳﺮ ﺣﺪي ﻣﺘﺪاول اﺳـﺖ‪.‬‬
‫در روش اول از ﻣﻘﺎدﻳﺮ اﺣﺘﻤﺎل ﺗﺠﻤﻌﻲ ﻛـﻞ دادهﻫـﺎ )ﻣـﺸﺎﻫﺪاﺗﻲ ﻳـﺎ ﻣﺤﺎﺳـﺒﺎﺗﻲ( ﺑـﺮاي‬
‫ﺑﺮازش ﺑﻪ ﺗﻮاﺑﻊ ﺗﻮزﻳﻊ ﭘﻴﺸﻨﻬﺎدي اﺳﺘﻔﺎده ﻣﻲﺷﻮد‪ .‬ﺑﺎ ﻣﺸﺨﺺ ﺷﺪن ﺑﻬﺘﺮﻳﻦ ﺗـﺎﺑﻊ ﺗﻮزﻳـﻊ‪،‬‬
‫ﺳﺮﻋﺖ ﺑﺎد ﻳﺎ ارﺗﻔﺎع ﻣﻮج ﻃﺮاﺣﻲ ﺑﺎ دوره ﺑﺎزﮔﺸﺖ دﻟﺨﻮاه را ﻣﻲﺗـﻮان از ﺑﺮوﻧﻴـﺎﺑﻲ ﺗـﺎﺑﻊ‬
‫‬ ‫  ‪
    /‬‬

‫ﺗﻮزﻳﻊ در ﺳﻄﺢ اﺣﺘﻤﺎل ﻣﺘﻨﺎﻇﺮ ﺑﺎ دوره ﺑﺎزﮔﺸﺖ روﻳﺪاد ﺑﻪ دﺳﺖ آورد‪ .‬اﻳﻦ روش‪ ،‬روش‬
‫ﺗﺎﺑﻊ ﺗﻮزﻳﻊ ﺗﺠﻤﻌﻲ ﻧﺎﻣﻴﺪه ﻣﻲﺷـﻮد‪ .‬ﺑـﺮ ﺧـﻼف اﻳـﻦ روش‪ ،‬در دو روش دﻳﮕـﺮ ﺗﻨﻬـﺎ از‬
‫ﻣﻘﺎدﻳﺮ ﺑﻴﺸﻴﻨﻪ دادهﻫﺎ در ﺗﺤﻠﻴﻞ ﺣﺪي اﺳﺘﻔﺎده ﻣﻲﺷﻮد‪ .‬در روش ﻣﺎﻛﺰﻳﻤﻢﻫﺎي ﺳﺎﻻﻧﻪ‪ 1‬ﻛـﻪ‬
‫ﺑﻪ اﺧﺘﺼﺎر )‪ (AMS‬ﻧﺎﻣﻴﺪه ﻣﻲﺷﻮد‪ ،‬ﺑﺰرﮔﺘﺮﻳﻦ ﻣﻘﺪار دادهﻫـﺎي ﻫـﺮ ﺳـﺎل وارد ﻣﺤﺎﺳـﺒﺎت‬
‫ﻣﻲﺷﻮد و در روش ﻣﺎﻛﺰﻳﻤﻢﻫﺎي ﺟﺰﺋﻲ‪ 2‬ﻛﻪ ﺑﻪ اﺧﺘﺼﺎر )‪ (PDS‬ﻧﺎﻣﻴﺪه ﻣـﻲﺷـﻮد‪ ،‬ﻣﻘـﺎدﻳﺮ‬
‫ﺑﻴﺸﻴﻨﻪ ﻫﺮ روﻳﺪاد )ﻃﻮﻓﺎن( در ﻣﺤﺎﺳﺒﺎت ﻣﻨﻈـﻮر ﻣـﻲﺷـﻮد‪ .‬در روش اﺧﻴـﺮ‪ ،‬روﻳـﺪاد ﺑـﻪ‬
‫ﻗﺴﻤﺘﻬﺎﻳﻲ از ﻣﻨﺤﻨﻲ ارﺗﻔﺎع ﻣﻮج) و ﻳﺎ ﺳﺮﻋﺖ ﺑﺎد(ـ زﻣﺎن اﻃﻼق ﻣﻲﺷﻮد ﻛـﻪ ﺑـﺎﻻي ﻳـﻚ‬
‫ارﺗﻔﺎع ﻣﻮج )و ﻳﺎ ﺳﺮﻋﺖ ﺑﺎد( آﺳﺘﺎﻧﻪ اﻧﺘﺨـﺎﺑﻲ ﻗـﺮار داﺷـﺘﻪ ﺑﺎﺷـﻨﺪ‪ .‬ﻧـﺮماﻓـﺰار ‪ EVA‬اﻳـﻦ‬
‫ﻗﺎﺑﻠﻴﺖ را دارد ﻛﻪ ﺑﺠﺎي ﻣﻌﺮﻓﻲ ﻣﺴﺘﻘﻴﻢ ﻣﻘﺪارآﺳﺘﺎﻧﻪ‪ ،‬از آن ﺧﻮاﺳﺘﻪ ﺷﻮد ﺗﺎ آﺳـﺘﺎﻧﻪ را ﺑـﻪ‬
‫ﻧﺤﻮي اﻧﺘﺨﺎب ﻧﻤﺎﻳﺪ ﻛﻪ ﺗﻌﺪاد ﻣﻴﺎﻧﮕﻴﻦ روﻳﺪادﻫﺎي ﻣﻮﺟﻮد در ﺳـﺎل )‪ (λ‬ﺑﺮاﺑـﺮ ﺑـﺎ ﻣﻘـﺪار‬
‫ﻣﻌﻴﻨﻲ ﺷﻮد‪ .‬اﻧﺘﺨﺎب دادهﻫﺎي ﺣﺪي از ﻛﻞ دادهﻫﺎ ﻣﻄﺎﺑﻖ ﺷﻜﻞ ‪ 8‬ـ‪ 1‬ﻣﻲﺑﺎﺷﺪ‪.‬‬

‫ﺷﻜﻞ ‪ 8‬ـ‪1‬ـ اﻧﺘﺨﺎب دادهﻫﺎي ﺣﺪي از ﻳﻚ ﺳﺮي زﻣﺎﻧﻲ ﺑﻪ روش ‪ AMS‬و ‪PDS‬‬

‫‪1. Annual Maximum Series‬‬

‫‪2. Partial Duration Series‬‬
‫
"!     ‬ ‫‪#‬‬

‫ﻣﻘـﺎدﻳﺮ ﺣﺪي ﺑﻪ دﺳﺖ آﻣﺪه ﺑـﺎ روشﻫـﺎي ﻓـﻮق‪ ،‬ﺑـﺎ ﻣﺘﻐﻴـﺮ ﺗـﺼـﺎدﻓﻲ ‪ X‬ﺗﻮﺻـﻴﻒ‬
‫ﻣﻲﺷﻮﻧـﺪ‪ .‬ﺗـﺎﺑﻊ ﺗﻮزﻳﻊ ﺗﺠﻤﻌﻲ‪ ،1‬ﺗﺎﺑﻊ اﺣﺘﻤﺎل ﻛﻮﭼﻜﺘﺮ ﻳﺎ ﻣﺴﺎوي ﺑﻮدن ‪ X‬ﻧﺴﺒﺖ ﺑﻪ ﻣﺘﻐﻴﺮ‬
‫‪ x‬ﻣﻲﺑﺎﺷﺪ‪.‬‬
‫}‪F(x) = P {X ≤ x‬‬ ‫) (‬
‫ﺗﺎﺑﻊ ﭼﮕﺎﻟﻲ اﺣﺘﻤﺎل‪ 2‬در ﻣﺘﻐﻴﺮﻫﺎي ﭘﻴﻮﺳﺘﻪ ﺑﺎ راﺑﻄﻪ زﻳـﺮ از ﺗـﺎﺑﻊ ﺗﻮزﻳـﻊ ﺗﺠﻤﻌـﻲ ﺑـﻪ‬
‫دﺳﺖ ﻣﻲآﻳﺪ‪:‬‬
‫)‪d F(x‬‬
‫= )‪f (x‬‬ ‫) (‬
‫‪dx‬‬
‫ﻣﻘﺪار ﻣﺘﻨﺎﻇﺮ ﺑﺎ اﺣﺘﻤﺎل ‪ p‬ﻋﺒﺎرت اﺳﺖ از‪:‬‬
‫)‪x p = F −1 (p‬‬ ‫) (‬
‫ﻛﻪ در آن‪:‬‬
‫}‪p = P{X ≤ x‬‬ ‫) (‬
‫اﺣﺘﻤﺎل ﻓﺰوﻧﻲ‪ 3‬ﻣﺘﻐﻴﺮ ﺗﺼﺎدﻓﻲ از ‪ ((p-1 ،xp‬ﻣﻲﺑﺎﺷـﺪ؛ ﺑـﻪ ﻫﻤـﻴﻦ دﻟﻴـﻞ اﻏﻠـﺐ ﺑـﻪ ‪xp‬‬
‫روﻳﺪاد ﺑﺎ اﺣﺘﻤﺎل ﻓﺰوﻧﻲ )‪ (p-1‬ﮔﻔﺘﻪ ﻣﻲﺷـﻮد‪ .‬دوره ﺑﺎزﮔـﺸﺖ ﻳـﻚ روﻳـﺪاد ﺑـﺎ اﺣﺘﻤـﺎل‬
‫ﻓﺰوﻧﻲ )‪ (p-1‬در ﺳﺎل از راﺑﻄﻪ زﻳﺮ ﻗﺎﺑﻞ ﻣﺤﺎﺳﺒﻪ اﺳﺖ‪:‬‬
‫‪1‬‬
‫=‪T‬‬ ‫) (‬
‫‪1− p‬‬
‫روﻳﺪاد ‪) xT‬ﻣﺘﻨﺎﻇﺮ ﺑﺎ دوره ﺑﺎزﮔﺸﺖ ‪ T‬ﺳﺎل( از رواﺑـﻂ ‪ 8‬ـ‪ 3‬ﺗـﺎ ‪ 8‬ـ‪ 5‬ﻗﺎﺑـﻞ ﻣﺤﺎﺳـﺒﻪ‬
‫اﺳﺖ‪ xT .‬ﺑﻴﺎﻧﮕﺮ روﻳﺪادي اﺳﺖ ﻛﻪ ﺑﻪﻃﻮر ﻣﺘﻮﺳﻂ در ﻫﺮ ‪ T‬ﺳﺎل دﻗﻴﻘـﺎً ﻳﻜﺒـﺎر روﻳـﺪادي‬
‫ﺑﺰرﮔﺘﺮ ﻳﺎ ﻣﺴﺎوي آن رخ ﺧﻮاﻫﺪ داد‪.‬‬
‫ﺑـﻪ دادهﻫـﺎي ‪n‬‬ ‫)‪F (x‬‬ ‫در روش ‪ AMS‬ﺑﺮاي ﺗﺨﻤﻴﻦ روﻳﺪاد ‪ T‬ﺳﺎﻟﻪ‪ ،‬ﺗﻮزﻳـﻊ اﺣﺘﻤـﺎل‬
‫ﺑﺮازش داده ﺷﺪه و روﻳﺪاد ‪ T‬ﺳﺎﻟﻪ از راﺑﻄﻪ زﻳﺮ ﻣﺤﺎﺳﺒﻪ‬ ‫}‪{x i , i = 1, 2 , ..., n‬‬ ‫ﺳﺎﻟﻪ ﻳﻌﻨﻲ‬
‫ﺑﻪ اﻳﻦ ﻣﻌﻨﻲ اﺳﺖ ﻛﻪ ﻣﻘﺪار ﻣﻮردﻧﻈﺮ از ﺗﺎﺑﻊ ﺗﻮزﻳﻊ اﺳـﺘﺨﺮاج ﺷـﺪه‬ ‫)ﻋﻼﻣﺖ ∧‬ ‫ﻣﻲ ﮔﺮدد‬
‫اﺳﺖ( ‪:‬‬

‫‪1. Cumulative Distribution Function‬‬

‫‪2. Probability Density Function‬‬
‫‪3. Exceedance Probability‬‬
‫‪$‬‬ ‫  ‪
    /‬‬

‫ˆ ‪1‬‬
‫‪x̂ T = F −1 (1 −‬‬ ‫)‪, θ‬‬ ‫)  (‬
‫‪T‬‬
‫ﻧﺸﺎﻧﮕﺮ ﭘﺎراﻣﺘﺮﻫﺎي ﻣﺤﺎﺳﺒﺎﺗﻲ در ﺗﻮزﻳﻊ اﺣﺘﻤﺎل اﻧﺘﺨﺎﺑﻲ ﻣﻲﺑﺎﺷﺪ‪.‬‬ ‫̂‪θ‬‬ ‫ﻛﻪ‬
‫در روش ‪ PDS‬در ﺻﻮرﺗﻲ ﻛﻪ آﺳـﺘﺎﻧﻪ ﺛﺎﺑـﺖ در ﻧﻈـﺮ ﮔﺮﻓﺘـﻪ ﺷـﻮد )‪،(threshold = x0‬‬
‫ﻣﺪل اﺣﺘﻤﺎﻻﺗﻲ داراي دو ﭘﺎراﻣﺘﺮ ﺗﺼﺎدﻓﻲ ﻓﺮاواﻧـﻲ روﻳـﺪادﻫﺎي ﺣـﺪي و ﻣﻘـﺪار روﻳـﺪاد‬
‫) ‪ ( x T‬ﻣﻲ ﺑﺎﺷﺪ‪ .‬ﺑﺎ ﻓﺮض ﺗﺒﻌﻴﺖ ﻓﺮاواﻧﻲ روﻳﺪاد از ﺗﻮزﻳﻊ ﭘﻮاﺳﻦ ﺑﺎ ﭘﺮﻳﻮد ﻳﻜـﺴﺎﻟﻪ ﺗﻌـﺪاد‬
‫روﻳﺪادﻫﺎي ﺳﺎﻻﻧﻪ )‪ (λ‬از راﺑﻄﻪ زﻳﺮ ﺑﻪ دﺳﺖ ﻣﻲآﻳﺪ‪:‬‬
‫‪n‬‬
‫= ˆ‪λ‬‬ ‫) 
(‬
‫‪t‬‬
‫ﻛﻪ ‪ n‬ﺗﻌﺪاد روﻳﺪادﻫﺎ و ‪ t‬ﺑﺎزه زﻣﺎﻧﻲ ﺛﺒﺖ دادهﻫﺎ ﻣﻲﺑﺎﺷﺪ‪.‬‬
‫ﺑﻪ ﺳـﺮي ﻓﺰوﻧـﻲ ﻣﻘـﺎدﻳﺮ ﺣـﺪي‬ ‫ﺗﻮزﻳﻊ ) ‪F(x − x 0‬‬ ‫ﺑﺮاي ﻣﺪﻟﺴﺎزي ﻣﻘﺎدﻳﺮ ﺣﺪي‪ ،‬ﺗﺎﺑﻊ‬
‫ﺑﺮازش داده ﺷـﺪه و روﻳـﺪاد ‪ T‬ﺳـﺎﻟﻪ از راﺑﻄـﻪ زﻳـﺮ ﻣﺤﺎﺳـﺒﻪ‬ ‫}‪{x i − x 0 , i = 1, 2, ..., n‬‬

‫ﻣﻲﮔﺮدد‪:‬‬
‫‪1‬‬
‫‪x̂ T = x 0 + F−1 (1 −‬‬
‫‪ˆλ T‬‬
‫) ˆ‪, θ‬‬ ‫)  (‬
‫در ﺻﻮرﺗﻲ ﻛﻪ ﺗﻌﺪاد ﻣﺘﻮﺳﻂ روﻳﺪادﻫﺎ در ﺳـﺎل )‪ (λ‬ﺛﺎﺑـﺖ ﺑﺎﺷـﺪ‪ ،‬ﺑـﺮاي ﻣﺪﻟـﺴـﺎزي‬
‫ﺑـﺮازش داده‬ ‫ﺣﺪي }‪{x i , i =1, 2, ..., n‬‬ ‫ﺑﻪ ﺳﺮي ﻣﻘـﺎدﻳﺮ‬ ‫)‪F(x‬‬ ‫ﻣﻘﺎدﻳﺮ ﺣﺪي‪ ،‬ﺗﺎﺑﻊ ﺗﻮزﻳﻊ‬
‫ﺷﺪه و روﻳﺪاد ‪ T‬ﺳﺎﻟﻪ از راﺑﻄﻪ زﻳﺮ ﻣﺤﺎﺳﺒﻪ ﻣﻲﮔﺮدد‪:‬‬
‫‪1‬‬
‫‪x̂ T = F −1 (1 −‬‬ ‫) ˆ‪, θ‬‬ ‫) (‬
‫‪λT‬‬

‫‪8‬ـ‪3‬ـ اﺳﺘﻘﻼل دادهﻫﺎ‬

‫ﻳﻜﻲ از ﺷﺮاﻳﻂ ﻣﻬﻢ ﺟﻬﺖ اﻃﻤﻴﻨﺎن از ﺻﺤﺖ ﺗﺤﻠﻴﻞﻫﺎي آﻣﺎري‪ ،‬اﺳﺘﻘﻼل ﻫـﺮ داده در‬
‫ﻳﻚ ﻧﻤﻮﻧﻪ آﻣﺎري از ﺳﺎﻳﺮ دادهﻫﺎ ﻣﻲﺑﺎﺷﺪ‪ .‬ﺑـﺎ ﺗﻮﺟـﻪ ﺑـﻪ ﻓﺎﺻـﻠﻪ زﻣـﺎﻧﻲ دادهﻫـﺎ در روش‬
‫‪ AMS‬و ﻛﻮﺗﺎه ﺑﻮدن زﻣﺎن ﺗﺪاوم ﻃﻮﻓﺎن ﻧﺴﺒﺖ ﺑﻪ ﻓﺎﺻـﻠﻪ زﻣـﺎﻧﻲ دادهﻫـﺎ‪ ،‬دادهﻫــﺎي اﻳـﻦ‬
‫روش ﻣﺴﺘﻘﻞ از ﻳﻜﺪﻳﮕﺮ ﻣﻲﺑﺎﺷﻨﺪ‪ .‬ﺟﻬﺖ اﻃﻤﻴﻨﺎن از اﺳﺘﻘﻼل دادهﻫـﺎي ﻣﺘـﻮاﻟﻲ در روش‬
‫‪ PDS‬دو ﻣﻌﻴﺎر وﺟﻮد دارد‪:‬‬
‫
"!     ‬ ‫‪%‬‬

‫‪ :‬دو روﻳـﺪاد ﻣﺘـﻮاﻟﻲ از ﻳﻜـﺪﻳﮕﺮ ﻣـﺴﺘﻘﻞ‬ ‫‪Δt c‬‬ ‫اﻟﻒ ـ ﻣﻌﻴﺎر ﻓﺎﺻﻠﻪ زﻣـﺎﻧﻲ دادهﻫـﺎ‬
‫ﺑﺎﺷﺪ‪.‬‬ ‫‪Δt c‬‬ ‫ﻫﺴﺘﻨﺪ‪ ،‬در ﺻﻮرﺗﻲ ﻛﻪ ﻓﺎﺻﻠﻪ زﻣﺎﻧﻲ ﺑﻴﻦ دو روﻳﺪاد ﺑﻴﺶ از‬
‫و‬ ‫‪x1‬‬ ‫‪ :‬دو روﻳــﺪاد ﻣﺘــﻮاﻟﻲ‬ ‫‪(0 < Pc < 1) Pc‬‬ ‫ب ـ ﻣﻌﻴــﺎر اﺧــﺘﻼف ﻣﻘــﺪار دادهﻫــﺎ‬
‫‪(x 2 − x1 ) < Pc × x1‬‬ ‫ﻣﺴﺘﻘﻞ از ﻳﻜﺪﻳﮕﺮ ﻣﻲﺑﺎﺷﻨﺪ‪ ،‬در ﺻﻮرﺗﻲ ﻛﻪ‬ ‫‪(x1 < x 2 ) x 2‬‬

‫در ﺻﻮرﺗﻲ ﻛﻪ ﻫﺮ دو ﻣﻌﻴﺎر ﻓﻮق ارﺿـﺎ ﺷـﻮﻧﺪ‪ ،‬دو داده ﻣﺘـﻮاﻟﻲ ﻣـﺴﺘﻘﻞ از ﻳﻜـﺪﻳﮕﺮ‬
‫ﻫﺴﺘﻨﺪ و در ﻏﻴﺮ اﻳﻦ ﺻﻮرت ﻓﻘﻂ داده ﺑﺰرﮔﺘﺮ ﺑﻪ ﻋﻨـﻮان ﻣﻘـﺪار ﺣـﺪي وارد ﻣﺤﺎﺳـﺒﺎت‬
‫ﻣﻲﮔﺮدد‪.‬‬

‫‪8‬ـ‪4‬ـ ﺗﻮزﻳﻊﻫﺎي اﺣﺘﻤﺎﻻﺗﻲ‬

‫ﻫﻤﺎنﻃﻮر ﻛﻪ ﻗﺒﻼً ﮔﻔﺘﻪ ﺷﺪ‪ ،‬از ﺑﻴﻦ ﺗﻮاﺑﻊ ﺗﻮزﻳﻊ ﺗﻮﺻﻴﻪ ﺷﺪه ﺑﺮاي ﻳﻚ ﭘﺪﻳﺪه ﺧـﺎص‪،‬‬
‫ﻫﺮﻛﺪام ﻛﻪ ﺑﻬﺘﺮﻳﻦ ﺑﺮازش را ﺑﻪ دادهﻫﺎي ﻣﻮﺟﻮد داﺷﺘﻪ ﺑﺎﺷﺪ ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﻣﻲﮔﻴـﺮد‪.‬‬
‫در اﻳﻦ ﺑﺨﺶ ﺗﻮزﻳﻊﻫﺎي آﻣﺎري ﻣﻨﺎﺳﺐ ﺟﻬﺖ ﺗﺤﻠﻴﻞ ﺣﺪي ﻣﻮج و رواﺑﻂ آﻣﺎري ﻣﺮﺑﻮﻃﻪ‬
‫اراﺋﻪ ﻣﻲﮔﺮدد‪ .‬در ﻛﻠﻴﻪ رواﺑﻂ‪ ،‬ﭘﺎراﻣﺘﺮﻫﺎ و ﻋﻼﺋﻢ اﺧﺘﺼﺎري اﺳﺘﻔﺎده ﺷﺪه ﻋﺒﺎرﺗﻨﺪ از‪:‬‬
‫)‪f (x‬‬ ‫=‬ ‫ﺗﺎﺑﻊ ﭼﮕﺎﻟﻲ اﺣﺘﻤﺎل‬
‫= )‪F(x‬‬ ‫ﺗﺎﺑﻊ ﺗﻮزﻳﻊ ﺗﺠﻤﻌﻲ‬
‫‪xp‬‬ ‫=‬ ‫ﻣﻘﺪار ﻣﺘﻐﻴﺮ ‪ x‬ﻣﺘﻨﺎﻇﺮ ﺑﺎ اﺣﺘﻤﺎل ﻋﺪم ﻓﺰوﻧﻲ ‪p‬‬
‫‪ζ‬‬ ‫=‬ ‫)‪ (location parameter‬ﭘﺎراﻣﺘﺮ ﻣﻮﻗﻌﻴﺖ‬
‫‪α‬‬ ‫=‬ ‫)‪ (scale parameter‬ﭘﺎراﻣﺘﺮ ﻣﻘﻴﺎس‬
‫‪κ‬‬ ‫=‬ ‫)‪ (shape parameter‬ﭘﺎراﻣﺘﺮ ﺷﻜﻞ‬

‫‪8‬ـ‪4‬ـ‪1‬ـ ﺗﻮزﻳﻊ ﮔﺎﻣﺒﻞ و ﮔﺎﻣﺒﻞ ﻛﻮﺗﺎه ﺷﺪه‬

‫‪α>0 ,‬‬ ‫∞ < ‪−∞ < x‬‬
‫‪1‬‬ ‫‪x−ζ‬‬ ‫‪x −ζ‬‬
‫= )‪f (x‬‬ ‫‪exp[−‬‬ ‫‪− exp(−‬‬ ‫])‬ ‫) (‬
‫‪α‬‬ ‫‪α‬‬ ‫‪α‬‬
‫&‬ ‫  ‪
    /‬‬

‫‪x −ζ‬‬
‫‪F(x) = exp[− exp(−‬‬ ‫])‬ ‫) (‬
‫‪α‬‬
‫])‪x p = ζ − α ln[− ln(p‬‬ ‫) (‬
‫ﺗﻮزﻳﻊ ﮔﺎﻣﺒﻞ ﻛﻮﺗﺎه ﺷﺪه‪ 1‬ﻛﻪ ﺑﻪ اﺧﺘﺼﺎر )‪ (TGUM‬ﻧﺎﻣﻴﺪه ﻣﻲﺷﻮد‪ ،‬ﺗﻮزﻳﻊ اﺻﻼح ﺷﺪة‬
‫ﮔﺎﻣﺒﻞ اﺳﺖ ﻛﻪ ﺑﺎ ﻣﺤﺪود ﻛﺮدن ﻛﺮاﻧﻪ ﭘﺎﻳﻴﻦ ﺗﻮزﻳﻊ ﺑﻪ ﻣﻘﺪار آﺳﺘﺎﻧﻪ )‪ (x0‬ﺑﻪدﺳﺖ ﻣﻲآﻳـﺪ‪.‬‬
‫ﺗﺎﺑﻊ ﭼﮕﺎﻟﻲ اﺣﺘﻤﺎل ))‪ (g(x‬و ﺗﺎﺑﻊ ﺗﻮزﻳﻊ ﺗﺠﻤﻌـﻲ ))‪ (G(x‬و ﻣﻘـﺪار ﻣﺘﻐﻴـﺮ ‪ x‬ﻣﺘﻨـﺎﻇﺮ ﺑـﺎ‬
‫اﺣﺘﻤﺎل ﻋﺪم ﻓﺰوﻧﻲ ‪ (x p) p‬از رواﺑﻂ زﻳﺮ ﺑﻪ دﺳﺖ ﻣﻲآﻳﺪ ﻛﻪ در آﻧﻬـﺎ )‪ f(x‬ﺗـﺎﺑﻊ ﭼﮕـﺎﻟﻲ‬
‫اﺣﺘﻤﺎل و )‪ F(x‬ﺗﺎﺑﻊ ﺗﻮزﻳﻊ ﺗﺠﻤﻌﻲ ﺗﻮزﻳﻊ ﮔﺎﻣﺒﻞ ﻣﻲﺑﺎﺷﻨﺪ‪.‬‬
‫)‪f (x‬‬
‫= )‪g(x‬‬ ‫) (‬
‫) ‪1 − F(x 0‬‬
‫) ‪f (x) − f (x 0‬‬
‫= )‪G(x‬‬ ‫) (‬
‫) ‪1 − F(x 0‬‬
‫])‪x p = ζ − α ln [− ln(F(x 0 ) − (1 − F(x 0 ))p‬‬ ‫) (‬

‫‪2‬‬
‫‪8‬ـ‪4‬ـ‪2‬ـ ﺗﻮزﻳﻊ وﻳﺒﻮل‬
‫اﻳﻦ ﺗﻮزﻳﻊ ﻛﻪ ﺑﻪ اﺧﺘﺼﺎر ﺑﺎ )‪ (WEI‬ﻧﻤﺎﻳﺶ داده ﻣﻲﺷﻮد‪ ،‬داراي ﻣﺸﺨﺼﺎت زﻳﺮ اﺳﺖ‪:‬‬
‫‪α>0 ,‬‬ ‫‪k>0 ,‬‬ ‫∞<‪ζ<x‬‬
‫‪k x − ζ k −1‬‬ ‫‪x −ζ k‬‬
‫= )‪f (x‬‬ ‫(‬ ‫(‪) exp[−‬‬ ‫] )‬ ‫)  (‬
‫‪α α‬‬ ‫‪α‬‬
‫‪x −ζ k‬‬
‫(‪F(x) = 1 − exp[−‬‬ ‫] )‬ ‫) 
(‬
‫‪α‬‬
‫‪1‬‬
‫])‪x p = ζ + α[ − ln(1 − p‬‬ ‫‪k‬‬ ‫)  (‬

‫‪3‬‬
‫‪8‬ـ‪4‬ـ‪3‬ـ ﺗﻮزﻳﻊ ﻓﺮﺷﻪ‬
‫‪α>0 ,‬‬ ‫‪k>0 ,‬‬ ‫∞<‪ζ<x‬‬
‫)‪k x − ζ − (k +1‬‬ ‫‪x − ζ −k‬‬
‫= )‪f (x‬‬ ‫(‬ ‫)‬ ‫(‪exp[−‬‬ ‫] )‬ ‫) (‬
‫‪α α‬‬ ‫‪α‬‬

‫‪1. Truncated Gumbel distribution‬‬

‫‪2. Weibull distribution‬‬
‫‪3. Frechet distribution‬‬
‫
"!     ‬ ‫'‪#‬‬

‫‪x − ζ −k‬‬
‫(‪F(x) = exp[−‬‬ ‫] )‬ ‫) (‬
‫‪α‬‬
‫‪−1‬‬
‫])‪x p = ζ + α[− ln(p‬‬ ‫‪k‬‬ ‫) (‬

‫‪8‬ـ‪4‬ـ‪4‬ـ ﺗﻮزﻳﻊ ﻟﻮگ ﻧﺮﻣﺎل‬

‫داراي ﺗﻮزﻳـﻊ‬ ‫) ‪Y = ln(x − ζ‬‬ ‫در ﺻﻮرﺗﻲ ﻣﺘﻐﻴﺮ ‪ x‬داراي ﺗﻮزﻳﻊ ﻟﻮگ ﻧﺮﻣﺎل‪ 1‬اﺳﺖ ﻛـﻪ‬
‫ﺑﻪ ﺗﺮﺗﻴﺐ ﻣﻴﺎﻧﮕﻴﻦ و وارﻳﺎﻧﺲ ‪ Y‬ﻣﻲﺑﺎﺷﻨﺪ‪.‬‬ ‫‪σ2y‬‬ ‫ﻧﺮﻣﺎل ﺑﺎﺷﺪ‪ μy .‬و‬
‫‪σy > 0 ,‬‬ ‫‪x<ζ‬‬
‫‪1‬‬ ‫‪1 ln(x − ζ ) − μ y 2‬‬
‫= )‪f (x‬‬ ‫( ‪exp[−‬‬ ‫] )‬ ‫) (‬
‫‪(x − ζ )σ y‬‬ ‫‪2π‬‬ ‫‪2‬‬ ‫‪σy‬‬
‫‪ln(x − ζ ) − μ y‬‬
‫( ‪F(x) = Φ‬‬ ‫)‬ ‫) (‬
‫‪σy‬‬
‫])‪x p = ζ + exp[(μ y + σ y Φ −1 (p‬‬ ‫) (‬
‫در ﺗﻮزﻳﻊ ﻧﺮﻣﺎل ﻣﻲﺑﺎﺷﻨﺪ‪.‬‬ ‫‪xp‬‬ ‫و‬ ‫)‪F(x‬‬ ‫ﺗﻮاﺑﻊ‬ ‫)‪ Φ (0‬و )‪Φ −1 (0‬‬ ‫ﻛﻪ‬
‫ﺟﻬﺖ آﺷﻨﺎﻳﻲ ﺑﻴﺸﺘﺮ ﺑﺎ ﺗﻮزﻳﻌﻬﺎي آﻣﺎري ﻣﻲﺗﻮان ﺑﻪ ﻣﺮاﺟـﻊ ]‪[11] ،[8] ،[6] ،[2] ،[1‬‬
‫و ]‪ [12‬ﻣﺮاﺟﻌﻪ ﻧﻤﻮد‪.‬‬

‫‪8‬ـ‪5‬ـ روشﻫﺎي ﺑﺮازش ﺗﻮزﻳﻊ ﺑﻪ دادهﻫﺎ‬

‫ﺑﺮازش ﺗﻮاﺑﻊ ﺗﻮزﻳﻊ ﺑﻪ دادهﻫﺎ و ﺗﺨﻤﻴﻦ ﭘﺎراﻣﺘﺮﻫـﺎي ﺗﻮزﻳـﻊ ﺑـﻪ روشﻫـﺎي ﻣﺨﺘﻠﻔـﻲ‬
‫اﻣﻜﺎنﭘﺬﻳﺮ اﺳﺖ ﻛﻪ ﺑﻪ ﭼﻨﺪ ﻧﻤﻮﻧﻪ از آن اﺷﺎره ﻣﻲﺷﻮد‪.‬‬

‫‪2‬‬
‫‪8‬ـ‪5‬ـ‪1‬ـ روش ﺑﺮازش ﮔﺮاﻓﻴﻜﻲ‬
‫در اﻳﻦ روش دادهﻫﺎ ﺑﻪ ﺗﺮﺗﻴﺐ ﻧﺰوﻟﻲ ﻣﺮﺗﺐ ﺷﺪه و اﺣﺘﻤﺎل ﻋﺪم ﻓﺰوﻧـﻲ ﻫـﺮ داده ﺑـﺎ‬
‫ﺗﻮﺟﻪ ﺑﻪ ردﻳﻒ داده در ﻛﻞ دادهﻫﺎ ﺗﻌﻴﻴﻦ ﻣﻲﺷﻮد‪ .‬در روش ﮔﺮاﻓﻴﻜـﻲ ﻻزم اﺳـﺖ ﻛـﻪ از‬

‫‪1. Log-normal distribution‬‬

‫‪2. Graphical fitting method‬‬
‫‪#‬‬ ‫  ‪
    /‬‬

‫ﻛﺎﻏﺬ ﻣﺨﺼﻮص ﻫﺮ ﺗﻮزﻳﻊ ﺟﻬﺖ رﺳﻢ دادهﻫﺎ و اﺣﺘﻤﺎل ﻣﺘﻨﺎﻇﺮ آﻧﻬﺎ اﺳﺘﻔﺎده ﻛﺮد‪ .‬ﭘـﺲ از‬
‫اﻧﺘﻘﺎل ﻛﻠﻴﻪ ﻧﻘﺎط ﺑﺮ روي ﻧﻤﻮدار‪ ،‬ﺑﻬﺘﺮﻳﻦ ﺧﻂ ﺑـﻪ ﻧﻘـﺎط ﺑـﺮازش داده ﻣـﻲﺷـﻮد‪ .‬اﻧﺘﺨـﺎب‬
‫ﺑﻬﺘﺮﻳﻦ ﺧﻂ ﺑﺎ ﻗﻀﺎوت ﭼﺸﻤﻲاﻧﺠﺎم ﻣﻲﺷﻮد‪.‬‬

‫‪1‬‬
‫‪8‬ـ‪5‬ـ‪2‬ـ روش ﺣﺪاﻗﻞ ﻣﺮﺑﻌﺎت‬
‫در روش ﺣﺪاﻗﻞ ﻣﺮﺑﻌﺎت‪ ،‬ﻣﺮاﺣﻞ ﻓﻮق ﻃﻲ ﻣﻲﺷﻮد وﻟﻲ ﺑﻪ ﺟﺎي اﻧﺘﺨﺎب ﺑﻬﺘﺮﻳﻦ ﺧﻂ‬
‫ﺑﺮ اﺳﺎس ﻗﻀﺎوت ﭼﺸﻤﻲاز ﻣﻌﻴﺎر ﻛﻤﺘﺮ ﺷﺪن ﻣﺮﺑﻊ ﺧﻄﺎ )ﺧﻄﺎي دادهﻫﺎ ﻧﺴﺒﺖ ﺑـﻪ ﺧـﻂ(‬
‫اﺳﺘﻔﺎده ﻣﻲﺷﻮد‪.‬‬

‫‪2‬‬
‫‪8‬ـ‪5‬ـ‪3‬ـ روش ﻣﻤﺎن‬
‫در روش ﻣﻤﺎن ﻛﻪ ﺑﻪ اﺧﺘـﺼﺎر )‪ (MOM‬ﻧﺎﻣﻴـﺪه ﻣـﻲﺷـﻮد‪ ،‬ﻣﻤـﺎنﻫـﺎي اول ﺗـﺎ ﺳـﻮم‬
‫)ﻣﻴﺎﻧﮕﻴﻦ‪ ،‬اﻧﺤﺮاف ﻣﻌﻴﺎر و ﺿﺮﻳﺐ ﭼﻮﻟﮕﻲ( دادهﻫﺎي واﻗﻌﻲ ﻣﺤﺎﺳﺒﻪ و ﺑـﺎ ﻣﻘـﺪار ﻣﺘﻨـﺎﻇﺮ‬
‫آﻧﻬﺎ در ﺗﻮزﻳﻊﻫﺎي ﺗﺌﻮري ﻣﺴﺎوي ﻗﺮار داده ﻣﻲﺷﻮد‪ .‬ﺣﺎﺻﻞ اﻳﻦ ﺗﺴﺎوي ﺑﻪ دﺳـﺖ آﻣـﺪن‬
‫ﭘﺎراﻣﺘﺮﻫﺎي ﻣﺠﻬﻮل ﺗﻮزﻳﻊﻫﺎي آﻣﺎري ﻣﻲﺑﺎﺷﺪ‪ .‬ﻣﻤﺎنﻫﺎي اول ﺗﺎ ﺳﻮم ﺑﻪ ﺗﺮﺗﻴـﺐ ﻋﺒﺎرﺗﻨـﺪ‬
‫از‪:‬‬
‫}‪μ = E{X‬‬ ‫) (‬
‫} ‪σ 2 = var{X} = E{(X − μ) 2‬‬ ‫)  (‬
‫} ‪E{(X − μ)3‬‬
‫= ‪γ3‬‬ ‫) 
(‬
‫‪σ3‬‬
‫ﻛﻪ }‪ E {0‬اﭘﺮاﺗﻮر اﻣﻴﺪ رﻳﺎﺿﻲ ﻣﻲﺑﺎﺷﺪ‪.‬‬

‫‪3‬‬
‫‪8‬ـ‪5‬ـ‪4‬ـ روش ال ـ ﻣﻤﺎن‬
‫در اﻳﻦ روش ﻛﻪ ﺑﻪ اﺧﺘﺼﺎر )‪ (MOLM‬ﻧﺎﻣﻴﺪه ﻣﻲﺷﻮد‪ ،‬ال‪ -‬ﻣﻤـﺎنﻫـﺎي اول ﺗـﺎ ﺳـﻮم‬

‫‪1. Least square method‬‬

‫‪2. Method of moments‬‬
‫‪3. Method of L-moments‬‬
‫
"!     ‬ ‫(‪#‬‬

‫دادهﻫﺎ ﺑﺎ ﻣﻘﺎدﻳﺮ ﻣﺘﻨﺎﻇﺮ آﻧﻬﺎ در ﺗﻮزﻳﻊﻫﺎي ﺗﺌﻮري ﻣﺴﺎوي ﻗﺮار داده ﻣﻲﺷﻮد‪ .‬ال‪ -‬ﻣﻤﺎنﻫـﺎ‬
‫از ﺗﺮﻛﻴﺐ ﺧﻄﻲ ﻣﻤﺎنﻫﺎي اﺣﺘﻤﺎل وزﻧﻲ )‪ (PWM‬ﺑﻪ دﺳﺖ ﻣﻲآﻳﺪ‪ .‬ﻣﻤﺎن اﺣﺘﻤـﺎل وزﻧـﻲ‬
‫ﻣﺮﺗﺒﻪ ‪ ،r‬از راﺑﻄﻪ زﻳﺮ ﺑﻪ دﺳﺖ ﻣﻲآﻳﺪ‪:‬‬
‫} ‪βr = E{X F(X) r‬‬ ‫‪r =1, 2, ...‬‬ ‫)  (‬
‫ال‪ -‬ﻣﻤﺎنﻫﺎي ﻣﺮﺗﺒﻪ اول ﺗﺎ ﺳﻮم از رواﺑﻂ زﻳﺮ ﺑﻪ دﺳﺖ ﻣﻲآﻳﻨﺪ‪:‬‬
‫‪λ1 = βo‬‬ ‫) (‬
‫‪λ 2 = 2β1 − βo‬‬ ‫) (‬
‫‪λ3 = 6β2 − 6β1 − βo‬‬ ‫) (‬

‫‪1‬‬
‫‪8‬ـ‪5‬ـ‪5‬ـ روش ﺑﻴﺸﻴﻨﻪ ﻫﻤﺎﻧﻨﺪي‬
‫در روش ﺑﻴﺸﻴﻨﺔ ﻫﻤﺎﻧﻨﺪي )‪ ،(ML‬ﭘﺎراﻣﺘﺮﻫﺎي ﺗﻮزﻳـﻊ آﻣـﺎري ﺑـﺎ ﺑﻴـﺸﻴﻨﻪ ﻛـﺮدن ﺗـﺎﺑﻊ‬
‫ﻫﻤﺎﻧﻨﺪي ﺑﻪ دﺳﺖ ﻣﻲآﻳﺪ‪ .‬ﺟﻬﺖ ﺳﺎدهﺳﺎزي ﻣﺤﺎﺳﺒﺎت از ﻳﻚ ﺗﺒـﺪﻳﻞ ﻟﮕـﺎرﻳﺘﻤﻲاﺳـﺘﻔﺎده‬
‫ﻣﻲﺷﻮد‪ .‬ﺗﺎﺑﻊ ﻫﻤﺎﻧﻨﺪي از راﺑﻄﻪ زﻳﺮ ﺑﻪ دﺳﺖ ﻣﻲآﻳﺪ‪:‬‬
‫‪n‬‬
‫= )‪L(θ‬‬ ‫])‪∑ Ln[f (xi , θ‬‬ ‫) (‬
‫‪i =1‬‬

‫ﺣﻞ ﻣﻌﺎدﻟﻪ ﻓﻮق داراي اﻟﮕﻮرﻳﺘﻢ رﻳﺎﺿﻲ ﭘﻴﭽﻴﺪهاي ﺑﻮده و ﻣﻌﺎدﻻت ﺿﻤﻨﻲ ﺑﺎ اﺳـﺘﻔﺎده‬
‫از روشﻫﺎي ﻋﺪدي ﺣﻞ ﻣﻲﮔﺮدﻧﺪ‪.‬‬

‫‪2‬‬
‫‪8‬ـ‪6‬ـ آزﻣﻮنﻫﺎي ﺧﻮﺑﻲ ﺑﺮازش‬
‫ﺟﻬﺖ ارزﻳﺎﺑﻲ ﺗﻮزﻳﻊﻫﺎي ﻣﺨﺘﻠﻒ آﻣﺎري و روشﻫﺎي ﻣﺨﺘﻠﻒ ﺑﺮازش اﻳﻦ ﺗﻮزﻳـﻊﻫـﺎ‬
‫ﺑﻪ دادهﻫﺎي واﻗﻌﻲ از آزﻣﻮنﻫﺎي آﻣﺎري اﺳﺘﻔﺎده ﻣﻲﺷﻮد‪ .‬ﻻزم ﺑﻪ ذﻛﺮ اﺳـﺖ ﻛـﻪ اﻧﺘﺨـﺎب‬
‫ﺗﻮزﻳﻊ اﺣﺘﻤﺎل ﻣﻨﺎﺳﺐ ﻧﺒﺎﻳﺪ ﻓﻘﻂ ﺑﺮ اﺳﺎس ﻣﻘﺎدﻳﺮ آزﻣﻮنﻫﺎي آﻣﺎري اﻧﺠﺎم ﮔﻴﺮد‪ .‬ﺑـﺴﻴﺎري‬
‫از ﺗﻮزﻳﻊﻫﺎي آﻣﺎري داراي ﺷﻜﻞ ﻣﺸﺎﺑﻬﻲ در ﺑﺨﺶﻫﺎي ﻣﻴـﺎﻧﻲ ﺑﻮده وﻟﻲ در ﺑﺨـﺶﻫـﺎي‬

‫‪1. Maximum likelihood‬‬

‫‪2. Goodness-of-fit statistics‬‬
‫‪#‬‬ ‫  ‪
    /‬‬

‫ﺣﺪي )دﻧﺒﺎﻟﻪ(‪ ،‬داراي اﺧﺘﻼﻓﺎت ﻗﺎﺑﻞ ﻣﻼﺣﻈﻪاي ﻣﻲ ﺑﺎﺷﻨﺪ‪ .‬ﺑﺪﻳﻬﻲ اﺳﺖ ﻛﻪ ﻫﺮﭼﻪ ﺗﻌـﺪاد‬
‫ﭘﺎراﻣﺘﺮﻫﺎي ﻣﺠﻬﻮل در ﺗﻮزﻳﻊ آﻣﺎري ﺑﻴﺸﺘﺮ ﺑﺎﺷﺪ‪ ،‬ﺑﺮازش ﺑﻬﺘـﺮي ﺑـﻪ دادهﻫـﺎ اﻣﻜـﺎنﭘـﺬﻳﺮ‬
‫اﺳﺖ‪.‬‬
‫ﻻزم اﺳﺖ ﻋﻼوه ﺑﺮ ﺑﺮرﺳﻲ آزﻣﻮنﻫﺎي آﻣـﺎري‪ ،‬ﻣﻘﺎﻳـﺴﻪ ﮔﺮاﻓﻴﻜـﻲ ﺑـﻴﻦ ﺗﻮزﻳـﻊﻫـﺎي‬
‫ﻣﺨﺘﻠﻒ و دادهﻫﺎي ﺣﺪي ﻣﻮﺟﻮد اﻧﺠﺎم ﺷﻮد‪ .‬ﺑﺮاي اﻳﻦ ﻣﻨﻈـﻮر ﻣـﻲﺗـﻮان از ﻧﻤﻮدارﻫـﺎي‬
‫ﻫﻴﺴﺘﻮﮔﺮام ﻓﺮاواﻧﻲ و درﺻﺪ اﺣﺘﻤﺎل )دوره ﺑﺎزﮔﺸﺖ( اﺳﺘﻔﺎده ﻛﺮد‪.‬‬

‫‪8‬ـ‪7‬ـ ﺷﺒﻴﻪﺳﺎزي دادهﻫﺎ‬

‫‪1‬‬
‫‪8‬ـ‪7‬ـ‪1‬ـ روش ﺷﺒﻴﻪﺳﺎزي ﻣﻮﻧﺖﻛﺎرﻟﻮ‬
‫در روش ﺷﺒﻴﻪ ﺳﺎزي ﻣﻮﻧﺖ ﻛﺎرﻟﻮ اﻧﺤﺮاف ﻣﻌﻴﺎر ﻣﻘﺎدﻳﺮ ﻣﺤﺎﺳﺒﻪ ﺷـﺪه ﺑـﺎ ﺗﻮزﻳﻌﻬـﺎي‬
‫اﺣﺘﻤﺎﻟﻲ‪ ،‬ﺑﺎ ﺗﻮﻟﻴﺪ ﺗﺼﺎدﻓﻲ ﺗﻌﺪاد زﻳﺎدي از ﻧﻤﻮﻧﻪﻫﺎﻳﻲ ﻛﻪ از ﺗﻮزﻳـﻊ دادهﻫـﺎي ﻣـﺸﺎﻫﺪاﺗﻲ‬
‫ﺗﺒﻌﻴﺖ ﻣﻲﻛﻨﻨﺪ ﻣﺤﺎﺳﺒﻪ ﻣﻲﺷﻮد‪ .‬اﻟﮕﻮرﻳﺘﻢ اﻳﻦ روش ﺑﻪ ﺷﺮح زﻳﺮ ﻣﻲﺑﺎﺷﺪ‪.‬‬
‫‪ .1‬ﺑﺎ اﺳﺘﻔﺎده از ﺗﻮزﻳﻊ دادهﻫﺎي ﻣـﺸﺎﻫﺪاﺗﻲ و ﭘﺎراﻣﺘﺮﻫـﺎي ﻣﺤﺎﺳـﺒﻪ ﺷـﺪه ) ˆ‪ (θ‬آن‪m ،‬‬
‫داده ﻣﺤﺎﺳﺒﻪ ﻣﻲﺷﻮد‪.‬‬
‫) ˆ‪x i = F−1 (ri , θ‬‬ ‫‪i = 1, 2,3,..., m‬‬ ‫) (‬
‫ﻛﻪ ‪ ri‬ﻋﺪدي ﺑﻴﻦ ﺻﻔﺮ ﺗﺎ ﻳﻚ اﺳﺖ و ‪ m‬ﺗﻌﺪاد روﻳـﺪادﻫـﺎي اﺳـﺘﻔﺎده ﺷـﺪه در آﻧـﺎﻟﻴﺰ‬
‫ﻣﻘﺎدﻳﺮ ﺣﺪي اﺳﺖ‪ .‬ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل در روش ‪ m ،AMS‬ﺑﺮاﺑﺮ ﺑﺎ ﻃﻮل دوره آﻣﺎري ﺑـﻪ ﺳـﺎل‬
‫ﻣﻲﺑﺎﺷﺪ‪.‬‬
‫‪ .2‬ﭘﺎراﻣﺘﺮﻫﺎي ﺗﻮزﻳﻊ آﻣﺎري و ﻣﻘﺎدﻳﺮ ﺣﺪي ﺗﻮزﻳـﻊ در ﻧﻤﻮﻧـﻪ ﺗﻮﻟﻴـﺪ ﺷـﺪه ﻣﺤﺎﺳـﺒﻪ‬
‫ﻣﻲ ﮔﺮدد‪ .‬ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل در روش ‪ ،AMS‬روﻳﺪاد ‪ T‬ﺳﺎﻟﻪ از راﺑﻄـﻪ زﻳـﺮ ﻣﺤﺎﺳـﺒﻪ‬
‫ﻣﻲﮔﺮدد‪.‬‬
‫)‪1 ˆ ( j‬‬
‫‪x̂ (Tj) = F−1 (1 −‬‬ ‫) ‪;θ‬‬ ‫) (‬
‫‪T‬‬
‫ﭘﺎراﻣﺘﺮﻫﺎي ﻣﺤﺎﺳﺒﺎﺗﻲ در ﻧﻤﻮﻧﻪ ﺗﻮﻟﻴﺪ ﺷﺪه ﻣﻲﺑﺎﺷﺪ‪.‬‬ ‫)‪θ̂( j‬‬ ‫ﻛﻪ‬

‫‪1. Monte Carlo simulation‬‬

‫
"!     ‬ ‫‪#‬‬

‫‪ .3‬ﻣﺮاﺣﻞ ﻳـﻚ و دو‪ k ،‬ﺑـﺎر ﺗﻜـﺮار ﻣـﻲﺷـﻮﻧﺪ‪ ،‬ﺳـﭙﺲ ﻣﻴـﺎﻧﮕﻴﻦ و اﻧﺤـﺮاف ﻣﻌﻴـﺎر‬
‫روﻳﺪادﻫﺎي ‪ T‬ﺳﺎﻟﻪ )‪ (xT‬از رواﺑﻂ زﻳﺮ ﻣﺤﺎﺳﺒﻪ ﻣﻲﮔﺮدﻧﺪ‪:‬‬
‫‪k‬‬
‫‪1‬‬
‫= ‪xT‬‬ ‫)‪∑ xˆ (Tj‬‬ ‫) (‬
‫‪k‬‬ ‫‪j=1‬‬
‫‪k‬‬ ‫‪2‬‬
‫‪1‬‬
‫= ‪sT2‬‬ ‫∑‬ ‫) ‪(xˆ (Tj) − x T‬‬ ‫)  (‬
‫‪k‬‬ ‫‪j=1‬‬

‫ﻣﻄﺎﺑﻖ ﺗﻮﺻﻴﻪﻫﺎي ﻣﻮﺟﻮد در اﻳﻦ روش‪ ،‬ﻣﺮاﺣﻞ ﻳﻚ و دو‪ 10000 ،‬ﺑﺎر ﺗﻜﺮار ﺷـﺪه و‬
‫ﺑﻨﺎﺑﺮاﻳﻦ ‪ 10000‬ﻧﻤﻮﻧﻪ ﺑﺮاي اﻧﺠﺎم ﻣﺤﺎﺳﺒﺎت ﺑﺨﺶ ‪ 3‬ﻣﻮﺟﻮد ﻣﻲﺑﺎﺷﺪ‪.‬‬
‫ﻫﺮﭼﻪ اﻧﺤـﺮاف ﻣﻌﻴـﺎر ﻳـﻚ ﺳـﺮي داده ﻛـﻢ ﺑﺎﺷـﺪ‪ ،‬ﻣﻘـﺎدﻳﺮ ﻣﺤﺎﺳـﺒﻪ ﺷـﺪه در دوره‬
‫ﺑﺎزﮔﺸﺘﻬﺎي ﻣﺨﺘﻠﻒ داراي ﻗﻄﻌﻴﺖ ﺑﻴﺸﺘﺮي ﻣﻲﺑﺎﺷﻨﺪ‪ ،‬ﺑﻪ ﻫﻤﻴﻦ دﻟﻴـﻞ ﻛـﻢ ﺑـﻮدن اﻧﺤـﺮاف‬
‫ﻣﻌﻴﺎر در ﻳﻚ ﺗﻮزﻳﻊ را ﻳﻚ ﻣﻌﻴﺎر ﺑﺮاي ﻣﻨﺎﺳﺐ ﺑﻮدن ﺑﺮازش آن ﺗﻮزﻳﻊ ﺑﻪ دادهﻫﺎ ﻣﻲداﻧﻨﺪ‪.‬‬

‫‪1‬‬
‫‪8‬ـ‪7‬ـ‪2‬ـ روش ﻧﻤﻮﻧﻪﮔﻴﺮي ﻣﺠﺪد ﺟﻚ ﻧﺎﻳﻒ‬
‫ﻧﻤﻮﻧﻪﮔﻴﺮي ﻣﺠﺪد ﺟﻚ ﻧﺎﻳﻒ ﺑﺎ ‪ n‬ﺑـﺎر ﻧﻤﻮﻧـﻪﺑـﺮداري )‪ ( n-1‬ﻋـﻀﻮي از ﻣﺠﻤﻮﻋـﻪ‬
‫دادهﻫﺎي اﺻﻠﻲ )‪ n‬داده( ﻣﺤﺎﺳﺒﻪ ﻣﻲﮔﺮدد و اﻟﮕﻮرﻳﺘﻢ آن ﺑﻪ ﺷﻜﻞ زﻳﺮ ﻣﻲﺑﺎﺷﺪ‪.‬‬
‫‪ .1‬ﻧﻤﻮﻧﻪ ‪ j‬ام از ﻣﺠﻤﻮﻋﻪ ﻧﻤﻮﻧﻪﻫﺎي اﺻﻠﻲ ﺣﺬف ﻣﻲﺷﻮد‪.‬‬
‫ﻣﺤﺎﺳـﺒﻪ‬ ‫} ‪{x1 , x 2 ,..., x j+1 ,..., x n‬‬ ‫در ﻧﻤﻮﻧﻪ آﻣﺎري ﺟﺪﻳﺪ‬ ‫)‪θ̂( j‬‬ ‫‪ .2‬ﭘﺎراﻣﺘﺮﻫﺎي ﺗﻮزﻳﻊ‬
‫ﺷﺪه و ﺳﭙﺲ روﻳﺪاد ‪ T‬ﺳﺎﻟﻪ ﻣﺤﺎﺳﺒﻪ ﻣﻲﺷـﻮد‪ .‬ﺑـﻪ ﻋﻨـﻮان ﻣﺜـﺎل در ﺻـﻮرﺗﻲ ﻛـﻪ‬
‫روش ‪ AMS‬ﻣﻮرد اﺳﺘﻔﺎده ﻗـﺮار ﮔﻴـﺮد‪ ،‬روﻳـﺪاد ‪ T‬ﺳـﺎﻟﻪ از راﺑﻄـﻪ زﻳـﺮ ﻣﺤﺎﺳـﺒﻪ‬
‫ﻣﻲﺷﻮد‪.‬‬
‫)‪1 ˆ ( j‬‬
‫‪X̂ (t j) = F−1 (1 −‬‬ ‫) ‪;θ‬‬ ‫) 
(‬
‫‪T‬‬
‫‪ .3‬ﻣﺮاﺣــﻞ ‪1‬و‪ n ،2‬ﺑــﺎر )‪ (j=1,2,…,n‬ﺗﻜــﺮار ﻣــﻲﺷــﻮد‪ .‬ﻣﻴــﺎﻧﮕﻴﻦ و اﻧﺤــﺮاف ﻣﻌﻴــﺎر‬
‫روﻳﺪادﻫﺎي ‪ T‬ﺳﺎﻟﻪ ﺑﺎ رواﺑﻂ زﻳﺮ ﻣﺤﺎﺳﺒﻪ ﻣﻲﮔﺮدد‪.‬‬

‫‪1. Jackknife Resampling‬‬

‫‪$‬‬ ‫  ‪
    /‬‬

‫‪8‬ـ‪10‬ـ ارزﻳﺎﺑﻲ ﻧﺘﺎﻳﺞ‬

‫ﺑﺮاي ارزﻳﺎﺑﻲ ﻣﺠﺪد ﺻﺤﺖ ﻧﺘﺎﻳﺞ ﻣﺪل‪ ،‬ﻋﻼوه ﺑﺮ اﻧﺠﺎم ﺗﺤﻠﻴﻞ ﻣﻘﺎدﻳﺮ ﺣـﺪي ﺑـﺮ روي‬
‫دادهﻫﺎي ﻣﺤﺎﺳﺒﺎﺗﻲ ﻣﻮج و ﺑﺎد‪ ،‬ﻣﺸﺎﺑﻪ اﻳﻦ ﺗﺤﻠﻴﻠﻬﺎ ﺑـﺮ روي دادهﻫـﺎي ﻣـﺸﺎﻫﺪاﺗﻲ ﻣﺘﻨـﺎﻇﺮ‬
‫اﻋﻢ از دادهﻫﺎي اﻳﺴﺘﮕﺎهﻫﺎي ﺳﻴﻨﻮﭘﺘﻴﻚ و ﺑﻮﻳﻪاي اﻧﺠـﺎم ﺷـﺪه و ﻧﺘـﺎﻳﺞ ﻣـﻮرد ﻣﻘﺎﻳـﺴﻪ و‬
‫ارزﻳﺎﺑﻲ ﻗﺮار ﮔﺮﻓﺘﻪاﻧﺪ‪ .‬اﻟﺒﺘﻪ ﺑﺎﻳﺪ در ﻧﻈﺮ داﺷﺖ ﻛﻪ وﺟﻮد ﺑﻌﻀﻲ ﻣﺤـﺪودﻳﺖﻫـﺎي دادهاي‬
‫ﻣﻤﻜﻦ اﺳﺖ ﺑﺎﻋـﺚ اﻳﺠـﺎد ﺧﻄﺎﻫـﺎﻳﻲ در ﻣﻘﺎﻳـﺴﻪ ﻧﺘـﺎﻳﺞ ﺣﺎﺻـﻠﻪ ﮔـﺮدد‪ .‬از ﺟﻤﻠـﻪ اﻳـﻦ‬
‫ﻣﺤﺪودﻳﺖﻫﺎ ﻛﻮﺗﺎه ﺑﻮدن زﻣﺎن ﺑﺮداﺷﺖ داده در ﺑﻮﻳﻪﻫﺎ و ﻧﺎﭘﻴﻮﺳﺘﮕﻲ آﻧﻬـﺎ اﺳـﺖ‪ .‬ﺟﻬـﺖ‬
‫ﻳﻜﺴﺎنﺳﺎزي ﺷﺮاﻳﻂ ﺑﻮﻳﻪ وﻣﺪل‪ ،‬از دادهﻫﺎي ﻣﺤﺎﺳـﺒﻪ ﺷـﺪه در ﺑـﺎزه زﻣـﺎﻧﻲ ﻣـﺸﺘﺮك در‬
‫ﺗﺤﻠﻴﻞ ﺣﺪي اﺳﺘﻔﺎده ﺷﺪه و دوره ﺑﺎزﮔـﺸﺖﻫـﺎي ﻛﻮﺗـﺎهﺗـﺮي ﻣﺤﺎﺳـﺒﻪ ﺷـﺪه اﺳـﺖ‪ .‬در‬
‫اﻳﺴﺘﮕﺎهﻫﺎي ﺳـﻴﻨﻮﭘﺘﻴﻚ‪ ،‬ﺑـﺎ ﺗﻮﺟـﻪ ﺑـﻪ ﻣﻮﻗﻌﻴـﺖ اﻳـﺴﺘﮕﺎﻫﻬﺎي روي ﺧـﺸﻜﻲ و ﺧﻄـﺎي‬
‫درونﻳﺎﺑﻲ در ﻣـﺪل ‪ ECMWF‬ﺑـﻴﻦ ﻣﻨﻄﻘـﻪ درﻳـﺎ و ﺧـﺸﻜﻲ‪ ،‬دادهﻫـﺎي ﺑـﺎد ‪ ECMWF‬از‬
‫ﻧﺰدﻳﻜﺘﺮﻳﻦ ﮔﺮه روي ﻣﺶ اﺳﺘﺨﺮاج ﺷﺪهاﻧﺪ‪ .‬ﻧﺘـﺎﻳﺞ ﺗﺤﻠﻴـﻞ ﻣﻘـﺎدﻳﺮ ﺣـﺪي ﺑـﺎد )‪ (m/s‬در‬
‫اﻳﺴﺘﮕﺎﻫﻬﺎي ﺳﻴﻨﻮﭘﺘﻴﻚ و ﻧﻘﺎط ﻣﺪﻟﻲ )‪ (ECMWF‬ﻣﻄﺎﺑﻖ ﺟﺪول ‪ 8‬ـ‪ 1‬ﻣﻲﺑﺎﺷﺪ‪.‬‬
‫در ﻛﻠﻴﻪ ﻧﻘﺎط از آﻣﺎر ﻫﺸﺖ ﺳﺎﻟﻪ ﺑﺎد ﺳـﻴﻨﻮﭘﺘﻴﻚ و ‪ (1992-1999) ECMWF‬اﺳـﺘﻔﺎده‬
‫ﺷﺪه اﺳﺖ‪ .‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻋﺪم اﻧﻄﺒﺎق دﻗﻴﻖ ﻣﻮﻗﻌﻴﺖ ﺟﻐﺮاﻓﻴـﺎﻳﻲ اﻳـﺴﺘﮕﺎﻫﻬﺎي ﺳـﻴﻨﻮﭘﺘﻴﻚ و‬
‫ﻧﻘﺎط ﻣﺪﻟﻲ‪ ،‬ﻧﺘﺎﻳﺞ ﻓﻮق ﻗﺎﺑـﻞ ﻗﺒـﻮل ﻣـﻲﺑﺎﺷـﺪ‪ .‬ﺟﻬـﺖ ﻣﻨﻈـﻮر ﻧﻤـﻮدن ﻋـﺪم ﻗﻄﻌﻴـﺖ در‬
‫ﻣﺤﺎﺳﺒﺎت ﻓﻮق ﺗﻮﺻﻴﻪ ﻣﻲﮔﺮدد ﺑﺠﺎي ﻣﻘﺪار ﺳﺮﻋﺖ ﺑﺎد در ﻫﺮ دوره ﺑﺎزﮔـﺸﺖ‪ ،‬ﻣﺤـﺪوده‬
‫ﺳﺮﻋﺖ ﺑﺎد )‪ (Wind Speed ± 2 × SD‬ﻣﻮرد ﺗﻮﺟﻪ ﻗﺮار ﮔﻴﺮد‪.‬‬
‫
"!     ‬ ‫‪$#‬‬

‫ﺟﺪول ‪ 8‬ـ‪1‬ـ ﻧﺘﺎﻳﺞ ﺗﺤﻠﻴﻞ ﺣﺪي ﺳﺮﻋﺖ ﺑﺎد )ﺑﺮ ﺣﺴﺐ ‪ (m/s‬در اﻳﺴﺘﮕﺎﻫﻬﺎي ﺳﻴﻨﻮﭘﺘﻴﻚ و ﻧﻘﺎط ﻣﺪﻟﻲ‬
‫دورهﺑﺎزﮔﺸﺖ )ﺳﺎل(‬
‫‪100‬‬ ‫‪50‬‬ ‫‪10‬‬ ‫ﻣﻮﻗﻌﻴﺖ اﻳﺴﺘﮕﺎه ﻳﺎ ﻣﺪل‬
‫‪22/24‬‬ ‫‪20/81‬‬ ‫‪17/41‬‬ ‫ﺳﻴﻨﻮﭘﺘﻴﻚ آﺳﺘﺎرا‬
‫‪20/59‬‬ ‫‪19/98‬‬ ‫‪18/54‬‬ ‫ﻣﺪل در آﺳﺘﺎرا‬
‫‪28/064‬‬ ‫‪26/275‬‬ ‫‪22/04‬‬ ‫ﺳﻴﻨﻮﭘﺘﻴﻚ اﻧﺰﻟﻲ‬
‫‪20/52‬‬ ‫‪19/94‬‬ ‫‪18/58‬‬ ‫ﻣﺪل در اﻧﺰﻟﻲ‬
‫‪21/12‬‬ ‫‪20/24‬‬ ‫‪18/18‬‬ ‫ﺳﻴﻨﻮﭘﺘﻴﻚ راﻣﺴﺮ‬
‫‪20‬‬ ‫‪19/31‬‬ ‫‪17/68‬‬ ‫ﻣﺪل در راﻣﺴﺮ‬
‫‪18/14‬‬ ‫‪17/66‬‬ ‫‪16/52‬‬ ‫ﺳﻴﻨﻮﭘﺘﻴﻚ ﻧﻮﺷﻬﺮ‬
‫‪21/1‬‬ ‫‪20/35‬‬ ‫‪18/59‬‬ ‫ﻣﺪل در ﻧﻮﺷﻬﺮ‬
‫‪20/43‬‬ ‫‪19/57‬‬ ‫‪17/51‬‬ ‫ﺳﻴﻨﻮﭘﺘﻴﻚ ﺑﺎﺑﻠﺴﺮ‬
‫‪21/15‬‬ ‫‪20/48‬‬ ‫‪18/78‬‬ ‫ﻣﺪل در ﺑﺎﺑﻠﺴﺮ‬

‫ﻧﻤﻮدار اﺣﺘﻤـﺎل و دوره ﺑﺎزﮔـﺸﺖ ﺳـﺮﻋﺖ ﺑـﺎد ﺑـﺎ ﺣﺎﺷـﻴﻪ اﻃﻤﻴﻨـﺎن )‪ ( ± 2 × SD‬در‬
‫اﻳﺴﺘﮕﺎﻫﻬﺎي ﺳﻴﻨﻮﭘﺘﻴﻚ و ﻧﻘﻄﻪ ﻣﺪﻟﻲ ﻣﺘﻨـﺎﻇﺮ آﻧﻬـﺎ ﻣﻄـﺎﺑﻖ ﻧﻤﻮدارﻫـﺎي ‪ 8‬ـ‪ 12‬ﺗـﺎ ‪ 8‬ـ ‪21‬‬
‫ﻣﻲﺑﺎﺷﺪ‪.‬‬
‫
"!     ‬ ‫(‪%‬‬

‫دادهﻫﺎي ﻣﻮﺟﻮد ﺟﻬﺖ ﺗﺤﻠﻴﻞ ﻣﻘـﺎدﻳﺮ ﺣـﺪي ﻣـﻮج در ﺑﻮﻳـﻪﻫـﺎي اﻧﺰﻟـﻲ و اﻣﻴﺮآﺑـﺎد‬
‫ﻣﺤﺪود ﺑﻮده و ﺑﻪ ﻫﻤﻴﻦ ﺟﻬﺖ دوره ﺑﺎزﮔﺸﺖﻫﺎي ﻛﻮﺗﺎهﺗـﺮي در ﺗﺤﻠﻴـﻞ ﺣـﺪي ﻣﻨﻈـﻮر‬
‫ﮔﺮدﻳﺪهاﻧﺪ‪ .‬ﺑﺎزه زﻣﺎﻧﻲ ﺛﺒﺖ داده ﭘﺲ از ﺣﺬف زﻣﺎﻧﻬﺎي ﺑﻴﻜﺎري ﺑﻮﻳﻪ در اﻧﺰﻟﻲ ﻳﻚ ﺳﺎل و‬
‫در اﻣﻴﺮآﺑﺎد در ﺣﺪود ﻧﻴﻤﻲ از ﺳﺎل ﻣﻲﺑﺎﺷﺪ و ﻣﻘﺎدﻳﺮ ﺣـﺪي در دوره ﺑﺎزﮔـﺸﺖ ‪ 10‬ﺑﺮاﺑـﺮ‬
‫ﻃﻮل زﻣﺎﻧﻲ دادهﻫﺎي ﻣﻮﺟﻮد‪ ،‬ﻣﻮج ‪ 10‬ﺳﺎﻟﻪ دراﻧﺰﻟﻲ و ‪ 5‬ﺳﺎﻟﻪ در اﻣﻴﺮآﺑﺎد ﻣﻲﺑﺎﺷﺪ‪.‬‬

‫ﺟﺪول ‪ 8‬ـ‪2‬ـ ﻧﺘﺎﻳﺞ ﺗﺤﻠﻴﻞ ﺣﺪي ارﺗﻔﺎع ﻣﺸﺨﺼﻪ ﻣﻮج )‪ (m‬در ﺑﻮﻳﻪ و ﻣﺪل‬
‫دورهﺑﺎزﮔﺸﺖ )ﺳﺎل(‬
‫‪10‬‬ ‫‪5‬‬ ‫‪2‬‬ ‫ﻣﻮﻗﻌﻴﺖ اﻳﺴﺘﮕﺎه ﻳﺎ ﻣﺪل‬
‫‪4/91‬‬ ‫‪4/48‬‬ ‫‪3/83‬‬ ‫ﺑﻮﻳﻪ اﻧﺰﻟﻲ‬
‫‪4/89‬‬ ‫‪4/46‬‬ ‫‪3/83‬‬ ‫ﻣﺪل در اﻧﺰﻟﻲ‬
‫‪3/49‬‬ ‫‪3/21‬‬ ‫‪2/78‬‬ ‫ﺑﻮﻳﻪ اﻣﻴﺮآﺑﺎد‬
‫‪3/17‬‬ ‫‪2/98‬‬ ‫‪2/69‬‬ ‫ﻣﺪل در اﻣﻴﺮآﺑﺎد‬

‫ﻣﻄﺎﺑﻖ ﺟﺪول ﻓﻮق ﻣﻘﺎدﻳﺮ ﺣﺪي ﺑﻮﻳﻪ وﻣﺪل ﺑـﻪ وﻳـﮋه در دوره ﺑﺎزﮔـﺸﺘﻬﺎي ﻛﻤﺘـﺮ ﺑـﺎ‬
‫ﻳﻜﺪﻳﮕﺮ اﻧﻄﺒﺎق ﺧﻮﺑﻲ دارﻧﺪ‪ .‬ﻧﻤﻮدار اﺣﺘﻤﺎل و دوره ﺑﺎزﮔﺸﺖ ارﺗﻔﺎع ﻣـﻮج درﺑﻮﻳـﻪﻫـﺎي‬
‫اﻧﺰﻟﻲ و اﻣﻴﺮآﺑﺎد و ﻧﻘﺎط ﻣﺪﻟﻲ ﻣﺘﻨﺎﻇﺮ آﻧﻬﺎ ﺑﺎ ﺗﻠﻮراﻧﺲ ‪ 2 × SD‬ﻣﻄﺎﺑﻖ ﻧﻤﻮدارﻫﺎي ‪ 8‬ـ‪ 22‬ﺗـﺎ‬
‫‪ 8‬ـ‪ 25‬ﻣﻲﺑﺎﺷﺪ‪.‬‬
%$
    /  

‫ـ ﻣﺮاﺟﻊ‬12‫ـ‬8
‫ داﻧﺸﮕﺎه ﻋﻠـﻢ و‬،«
  
  » ، ‫ ﻣﻴﺮﺑﻬﺎدرﻗﻠﻲ و ﻣﺤﻤﺪ ذﻫﺒﻴﻮن‬،‫ آرﻳﺎﻧﮋاد‬.1
1380 ،‫ﺻﻨﻌﺖ اﻳﺮان‬
1371 ،‫ ﻣﺮﻛﺰ ﻧﺸﺮ داﻧﺸﮕﺎﻫﻲ‬،«

» ،‫ ﻋﻠﻲ و ﻣﺤﻤﺪ ﻗﺎﺳﻢ وﺣﻴﺪي اﺻﻞ‬،‫ ﻋﻤﻴﺪي‬.2
3. Barnett, V., “Environmental Statistics Method and Application”, John Wiley & Sons,
2004
4. Berek, E.P., V.J. Cardone, and V.R. Swail, “Comparison of Hindcast Results and Extreme
Value Estimates for Wave Conditions in the Hibernia Area - Grand Bank of New
Zeeland”, Proc. 6th International Workshop on Wave Hindcast, 2000
5. “EVA Extreme Value Analysis User Guide”, DHI Water and Environment, 2000
6. “EVA Extreme Value Analysis Reference Manual”, DHI Water and Environment, 2000
7. Evans, M., and T. Swartz, “Approximating Integrals via Monte Carlo and Deterministic
Methods”, Oxford University press, 2000
8. Goda, Y., “Random Seas and Design of Maritime Structure”, World Scientific, Vol. 15,
1985
9. Hosking, J. R. M., “Algorithm AS215: “Maximum-Likelihood Estimation of the
Parameters of the Generalized Extreme-Value Distribution”, Journal of Applied Statistics,
Vol. 34, pp. 301-310, 1985
10. Hosking, J. R. M., “L-Moments: Analysis and Estimation of Distributions Using Linear
Combinations of Order Statistics”, Journal of Royal Statistics, Vol. 52, pp. 105-124, 1990
11. Kamphius, J.W., “Introduction to Coastal Engineering and Management”, World
Scientific, 2000
12. Croarkin, C., and P. Tobias, “Nist/Sematech e-Handbook of Statistical Methods”,
http://www.itl.nist.gov/div898/handbook
13. Carter, D. J., “Estimating Extreme Wave Heights in the NE Atlantic from Geosat Data”,
HSE Books, 1993
14. “North Sea Severity Assessment”, HSE Offshore Technology Reports, 1996
‫&‪%‬‬ ‫)‪(IWA‬‬ ‫ *) ‪
 ,-.0 1  2+* /‬‬

‫ﻓﺼﻞ ﻧﻬﻢ‬

‫ﻧﺮماﻓﺰار اراﻳﻪ ﺧﺮوﺟﻲﻫﺎي ﻣﺪل )‪(IWA‬‬

‫‪9‬ـ‪1‬ـ ﻣﻘﺪﻣﻪ‬
‫ﻳﻚ ﺳﻴﺴﺘﻢ اﻃﻼﻋﺎﺗﻲ‪ ،‬ﺗﻠﻔﻴﻘﻲ از ﻣﻨﺎﺑﻊ ﻓﻨﻲ و اﻧﺴﺎﻧﻲ ﺑﺎ ﻳﻚ ﺳﺮي روﺷـﻬﺎ و اﻗـﺪاﻣﺎت‬
‫ﺳﺎزﻣﺎنﻳﺎﻓﺘﻪ اﺳﺖ ﻛﻪ در ﺟﻬﺖ ﻧﻴﺎز ﺗﺼﻤﻴﻢﮔﻴﺮان و ﻣﺘﺨﺼﺼﻴﻦ ﻣﺮﺑﻮﻃﻪ ﻃﺮاﺣﻲ ﻣﻲﺷـﻮد‪.‬‬
‫ﻣﺪﻳﺮﻳﺖ ﻳﻚ ﺳﻴﺴﺘﻢ اﻃﻼﻋﺎﺗﻲ ﻣﻲﺗﻮاﻧﺪ ﺑﺮ ﺣﺴﺐ ﻛﺎرﺑﺮدﻫـﺎي ﻣﺨﺘﻠـﻒ ﻃﺮاﺣـﻲ ﺷـﺪه و‬
‫ﺷﺎﻣﻞ ﺟﺰﺋﻴﺎت ﻣﺘﻨﻮﻋﻲ ﺑﺎﺷﺪ‪ .‬ﻳﻜﻲ از اﻫﺪاف اﺻﻠﻲ ﻫﺮ ﺳﻴﺴﺘﻢ اﻃﻼﻋﺎﺗﻲ‪ ،‬ﭘﺮدازش دادهﻫﺎ‬
‫و اﻃﻼﻋﺎت ﻣﻮﺟﻮد در آن ﺳﻴﺴﺘﻢ ﻣﻲﺑﺎﺷﺪ‪ .‬ﺑﻪ ﻃﻮر ﻛﻠﻲ‪ ،‬ﭘﺮدازش دادهﻫﺎ ﻋﺒﺎرت اﺳـﺖ از‬
‫»ﺗﺒﺪﻳﻞ دادهﻫﺎ ﺑﻪ اﻃﻼﻋﺎت« و ﻛﺎرﺑﺮي ﺳﻴﺴﺘﻢ ﻧﻴﺰ ﻋﻤﺪﺗﺎً ﺑﺮ اﺳﺎس اﻳﻦ اﻃﻼﻋﺎت ﺻـﻮرت‬
‫ﻣﻲﮔﻴﺮد‪ .‬ﻓﺮاﻳﻨﺪ ﭘﺮدازش دادهﻫﺎ را ﻣﻲﺗﻮان ﺑﻪ ﻣﺮاﺣﻞ زﻳﺮ ﺗﻘﺴﻴﻢﺑﻨﺪي ﻛﺮد‪:‬‬
‫ﺗﺒﺪﻳﻞ ﻓﺮﻣﺖ دادهﻫﺎ و اﻧﺘﻘﺎل آﻧﻬﺎ ﺑﻪ ﺳﻴﺴﺘﻢ اﻃﻼﻋﺎﺗﻲ ﻣﻮرد ﻧﻈﺮ‬
‫ﻛﻨﺘﺮل ﻛﻴﻔﻴﺖ دادهﻫﺎ و ﺗﺸﺨﻴﺺ ﺧﻄﺎ‬
‫ﺑﺮرﺳﻲ اﻧﺴﺠﺎم دادهﻫﺎ‬
‫ﺗﻌﻴﻴﻦ اﻟﮕﻮي اﺻﻠﻲ ﭘﺮدازش دادهﻫﺎ‬
‫ﻣﺪﻟﺴﺎزي و ﺗﻌﻴﻴﻦ رواﺑﻂ ﺑﻴﻦ دادهﻫﺎ و اﻃﻼﻋﺎت‬
‫ﺗﻮﻟﻴﺪ اﻃﻼﻋﺎت‬
‫اراﻳﻪ و اﻧﺘﺸﺎر اﻃﻼﻋﺎت‬
‫
"!     ‬ ‫'&‬

‫اﻟﺒﺘﻪ ﻣﻤﻜﻦ اﺳﺖ در ﻳﻚ ﺳﻴﺴﺘﻢ اﻃﻼﻋﺎﺗﻲ ﻳﻚ ﻳﺎ ﭼﻨﺪ ﻣـﻮرد از ﻣـﻮارد ﻓـﻮق وﺟـﻮد‬
‫ﻧﺪاﺷﺘﻪ ﺑﺎﺷﺪ‪ .‬ﺑﺎﻳﺪ ﺗﻮﺟﻪ داﺷـﺖ ﻛـﻪ در ﻳـﻚ ﺳﻴـﺴﺘﻢ اﻃﻼﻋـﺎﺗﻲ ﻛﺎرآﻣـﺪ ﻫﻤـﻮاره ﻧﻘـﺶ‬
‫ﻣﺪﻳﺮﻳﺖ دادهﻫﺎ ﻣﻬﻤﺘﺮ از ﭘﺮدازش آﻧﻬﺎﺳﺖ‪ ،‬زﻳﺮا ﻣﺪﻳﺮﻳﺖ دادهﻫﺎ ﻛﻨﺘﺮل ﭘﺮدازش دادهﻫﺎ را‬
‫ﺑﻪ ﻋﻬﺪه دارد و ﻣﺪﻳﺮﻳﺖ ﻧﺎﻣﻨﺎﺳﺐ دادهﻫﺎ در ﺳﻴﺴﺘﻢ ﻣـﻲﺗﻮاﻧـﺪ ﻣﻨﺠـﺮ ﺑـﻪ ﭘـﺮدازشﻫـﺎي‬
‫ﻣﺸﻜﻞ و ﭘﺮ دردﺳﺮ ﺷﻮد‪ .‬ﺑﻨﺎﺑﺮاﻳﻦ ﻋﺎﻗﻼﻧﻪ ﺧﻮاﻫﺪ ﺑـﻮد ﻛـﻪ ﻗﺒـﻞ از ﭘـﺮدازش دادهﻫـﺎ‪ ،‬در‬
‫ﻣﻮرد ﻣﺪﻳﺮﻳﺖ آﻧﻬﺎ اﻧﺪﻳﺸﻴﺪه ﺷﻮد‪ .‬ﻳﻜﻲ از روﺷﻬﺎي ﻣﻨﺎﺳـﺐ ﻣـﺪﻳﺮﻳﺖ دادهﻫـﺎ‪ ،‬ﻣـﺪﻳﺮﻳﺖ‬
‫ﻣﺎﺗﺮﻳﺴﻲ دادهﻫﺎﺳﺖ ﻛﻪ در آن ﻛﻨﺘﺮل از ﻛﻞ ﺑﺮ روي اﺟﺰاء اﺳﺖ و ﭘﺮدازﺷﻬﺎي ﻣﻮرد ﻧﻴـﺎز‬
‫ﻛﺎرﺑﺮ ﻧﻬﺎﻳﻲ ﺑﻴﺸﺘﺮ ﺑﻪ ﺟﺰﺋﻴﺎت ﺧﺘﻢ ﻣﻲﺷﻮد‪ .‬ﺑﺪﻳﻦ ﺗﺮﺗﻴﺐ ﺳﺮدرﮔﻤﻲﺑﻴﻦ دادهﻫﺎي ﺣﺠـﻴﻢ‬
‫ﭘﻴﺶ ﻧﻤﻲآﻳﺪ و ﻣﻬﻤﺘﺮ اﻳﻨﻜﻪ ﻣﺮز ﺑﻴﻦ دادهﻫﺎ ﺣﻔﻆ ﺷـﺪه و اﻣﻜـﺎن ﺑﺮﻗـﺮاري ارﺗﺒـﺎط ﺑـﻴﻦ‬
‫دادهﻫﺎي ﮔﺮوﻫﻬﺎي ﻣﺨﺘﻠﻒ ﻧﻴﺰ وﺟﻮد دارد‪.‬‬
‫ﺳﻴﺴﺘﻢ اﻃﻼﻋﺎت ﺟﻐﺮاﻓﻴﺎﻳﻲ )‪ ،(GIS‬اﺑﺰاري ﻛﺎرآﻣﺪ و ﻗﻮي ﺑﺮاي ﻣﺪﻳﺮﻳﺖ‪ ،‬ﭘﺮدازش و‬
‫ﺗﺤﻠﻴﻞ دادهﻫﺎ و اﻃﻼﻋﺎت ﻣﻲﺑﺎﺷﺪ‪ .‬اﻫﻤﻴﺖ ﻳﻚ ﺳﻴﺴﺘﻢ اﻃﻼﻋﺎت ﺟﻐﺮاﻓﻴـﺎﻳﻲ در اﻓـﺰاﻳﺶ‬
‫ﺗﻮاﻧﺎﻳﻲ ﺗﺤﻠﻴﻠﮕﺮ ﺳﻴﺴﺘﻢ در ﺑﺮرﺳﻲ ﻣﻜﺎﻧﻲ و ﺗﺤﻠﻴـﻞ دادهﻫﺎﺳـﺖ‪ .‬ﻓـﻦ آوري ‪ GIS‬ﺷـﺎﻣﻞ‬
‫ﻋﻤﻠﻴﺎﺗﻲ اﺳﺖ ﻛﻪ ﻃﻲ آن دادهﻫﺎي اوﻟﻴﻪ ﺳﺮﻳﻌﺎً ﺗﺒﺪﻳﻞ ﺑﻪ اﻃﻼﻋﺎﺗﻲ ﻣـﻲﺷـﻮﻧﺪ ﻛـﻪ ﻛـﺎرﺑﺮ‬
‫ﻧﻬﺎﻳﻲ از ﻣﺎﻫﻴﺖ ﻣﺪﻳﺮﻳﺖ و اﻟﮕﻮرﻳﺘﻢﻫﺎي ﭘﺮدازش داده ﺗـﺎ ﺣـﺼﻮل اﻃﻼﻋـﺎت‪ ،‬اﻃﻼﻋـﻲ‬
‫ﻧﺪارد )واﻟﺶ و ﻫﻤﻜﺎران‪ .(1987 ،‬در ﺳﻴـﺴﺘﻢﻫـﺎي اﻃﻼﻋـﺎﺗﻲ‪ ،‬ﺑـﻪ ﺧـﺼﻮص در ﺑﺨـﺶ‬
‫ﺑﺮﻧﺎﻣﻪرﻳﺰي و ﻣﺪﻳﺮﻳﺖ ﻣﻨﺎﺑﻊ‪ ،‬ﻧﻘﺸﻪﻫﺎ ﻛﻪ از آﻧﻬﺎ ﺑﻪﻣﻨﻈﻮر ﻧﺸﺎن دادن ﻣﺮزﻫـﺎ‪ ،‬ﻃﺒﻘـﻪﺑﻨـﺪي‬
‫ﺧﺼﻮﺻﻴﺎت و اراﻳﻪ اﻃﻼﻋﺎت ﺑﺼﻮرت ﺗﻮﺻﻴﻔﻲ اﺳﺘﻔﺎده ﻣﻲﺷـﻮد داراي اﻫﻤﻴـﺖ اﺳﺎﺳـﻲ‬
‫ﻣﻲﺑﺎﺷﻨﺪ‪.‬‬
‫ﻧﺮماﻓﺰارﻫﺎي ﻛﺎرﺑﺮدي‪ ،‬ﺑﺨـﺸﻲ از ﺳﻴـﺴﺘﻢ ﻣـﺪﻳﺮﻳﺖ و ﭘـﺮدازش دادهﻫـﺎ ﻫـﺴﺘﻨﺪ ﻛـﻪ‬
‫ﺑﻪﻣﻨﻈﻮر اﻧﺠﺎم ﭘﺮدازﺷﻬﺎي ﺳﻨﮕﻴﻦ دادهﻫﺎ و اراﻳﻪ ﻧﺘﺎﻳﺞ ﻣﺪﻳﺮﻳﺘﻲ و ﻫﻤﭽﻨﻴﻦ ﻓﺮاﻫﻢ ﻧﻤـﻮدن‬
‫اﻣﻜﺎن ﻳﻚ ﺳﺮي از ﭘﺮدازﺷﻬﺎي اﻟﺰاﻣﻲو ﺳـﻄﺢ ﭘـﺎﻳﻴﻦﺗـﺮ ﺑـﺮاي ﻛـﺎرﺑﺮ‪ ،‬ﻃﺮاﺣـﻲ و اﺟـﺮا‬
‫ﻣﻲﺷﻮﻧﺪ‪ .‬ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﻳﻦ ﻛﻪ ﻛﺎرﺑﺮان ﻧﻬﺎﻳﻲ ﻣﻤﻜﻦ اﺳﺖ ﺗﻮاﻧﺎﻳﻲﻫﺎي ﻣﺘﻔﺎوﺗﻲ در ﻛـﺎرﺑﺮي‬
‫اﻃﻼﻋﺎت داﺷﺘﻪ ﺑﺎﺷﻨﺪ‪ ،‬ﺑﺮاي ﺟﻠﻮﮔﻴﺮي از ﺗﻔﺴﻴﺮ ﻧﺎدرﺳـﺖ اﻃﻼﻋـﺎت و اﺣﻴﺎﻧـﺎً از دﺳـﺖ‬
‫&‬ ‫)‪(IWA‬‬ ‫ *) ‪
 ,-.0 1  2+* /‬‬

‫رﻓﺘﻦ دادهﻫﺎ و اﻃﻼﻋﺎت‪ ،‬ﻣﻄﻠﻮﺑـﺴﺖ ﻛـﻪ در ﺻـﻮرت اﻣﻜـﺎن ﻛﻠﻴـﺔ ﻣﺮاﺣـﻞ ﭘـﺮدازش و‬
‫ﻣﺪﻳﺮﻳﺖ اﻃﻼﻋﺎت ﺗﻮﺳﻂ ﻃﺮاح ﺳﻴﺴﺘﻢ اﻧﺠﺎم ﺷﻮد‪ .‬ﺑﺎ اﻳﻦ وﺟﻮد‪ ،‬در ﻣـﻮاردي ﻛـﻪ دﻧﺒـﺎل‬
‫ﻛﺮدن اﻳﻦ روﻧﺪ ﻣﻘﺮون ﺑﻪ ﺻﺮﻓﻪ ﻧﺒﺎﺷﺪ‪ ،‬ﻣﺮاﺣﻞ ﻋﻤﻠﻴﺎت ﻣﺪﻳﺮﻳﺖ و ﭘـﺮدازش در ﺳﻴـﺴﺘﻢ‬
‫اﻃﻼﻋﺎﺗﻲ ﺗﺎ ﻣﺮﺣﻠﻪاي ﺧﺎص اﻧﺠﺎم ﻣﻲﺷﻮد و ﭘﺮدازشﻫﺎي ﺑﻌﺪي ﺑﺴﺘﻪ ﺑﻪ ﻧﻴﺎز ﻫـﺮ ﻛـﺎرﺑﺮ‬
‫ﻗﺎﺑﻞ اﻧﺠﺎم ﻣﻲﺑﺎﺷﺪ‪.‬‬

‫‪9‬ـ‪2‬ـ ﻣﻘﺎﻳﺴﺔ ﻧﺮماﻓﺰارﻫﺎي ﻣﻮﺟﻮد ﺟﻬﺖ اراﻳﻪ دادهﻫﺎي ﻣﺪل ﻣﻮج‬

‫در اﻳﻦ ﺑﺨﺶ از ﺑـﻴﻦ ﻧـﺮماﻓﺰارﻫـﺎي ﻣﻮﺟـﻮد در زﻣﻴﻨـﺔ اراﻳـﻪ ﻧﺘـﺎﻳﺞ ﻣـﺪﻟﻬﺎي ﻣـﻮج‪،‬‬
‫ﻣﺘﺪاولﺗﺮﻳﻦ آﻧﻬﺎ ﻣﻮرد ﺑﺮرﺳﻲ ﻗﺮار ﮔﺮﻓﺘﻪاﻧﺪ و ﻧﻘـﺎط ﻗـﻮت و ﺿـﻌﻒ آﻧﻬـﺎ ﺑـﺎ ﻳﻜـﺪﻳﮕﺮ‬
‫ﻣﻘﺎﻳﺴﻪ ﺷﺪه اﺳﺖ‪.‬‬

‫‪9‬ـ‪2‬ـ‪1‬ـ ﻧﺮماﻓﺰار‬
‫اﻳﻦ ﻧﺮماﻓﺰار ﻣﺤﺼﻮل ﺷﺮﻛﺖ ‪ Oceanor‬ﻧﺮوژ ﻣﻲﺑﺎﺷﺪ و ﺑﺮاي اراﻳﻪ دادهﻫﺎ و اﻃﻼﻋﺎت‬
‫ﻣﻮج و ﺑﺎد ﻧﻘﺎط ﻣﺨﺘﻠﻒ دﻧﻴﺎ ﻃﺮاﺣﻲ ﺷﺪه اﺳﺖ‪ .‬ﻧﺴﺨﺔ اوﻟﻴـﺔ ‪ ،WWA‬دادهﻫـﺎي ﻣﻌﺘﺒـﺮ و‬
‫ﻛﻨﺘﺮل ﻛﻴﻔﻴﺖﺷﺪة ﻣﻮج و ﺑﺎد اﻧﺪازهﮔﻴﺮي ﺷﺪه ﺗﻮﺳﻂ ﻣﺎﻫﻮارة ‪ GeoSat‬را ﺑـﺮاي ﺑﺨـﺸﻬﺎي‬
‫ﻣﺨﺘﻠﻒ دﻧﻴﺎ در اﺧﺘﻴﺎر ﻛﺎرﺑﺮ ﻗﺮار ﻣﻲدﻫﺪ‪ .‬در ﻧﺴﺨﻪﻫﺎي ﺑﻌﺪي اﻳﻦ ﻧﺮماﻓـﺰار‪ ،‬ﻋـﻼوه ﺑـﺮ‬
‫دادهﻫﺎي آﻣﺎري اﻣﻮاج در ﻣﻘﻴﺎس ﺑﺰرگ و دﻗـﺖ ﭘـﺎﻳﻴﻦ ﺑـﺮاي ﻛﻠﻴـﻪ اﻗﻴـﺎﻧﻮسﻫـﺎي دﻧﻴـﺎ‪،‬‬
‫دادهﻫﺎي آﻣﺎري ﺑﺎ دﻗﺖ ﺑﺎﻻ و ﻛﻮﭼﻚ ﻣﻘﻴﺎس ﺑﺮاي ﻧﻘﺎط ﺧﺎﺻﻲ از دﻧﻴﺎ ﻧﻴﺰ ﮔﻨﺠﺎﻧﺪه ﺷﺪه‬
‫اﺳﺖ‪ .‬در ﻧﺴﺨﺔ دوم اﻳﻦ ﻧﺮماﻓﺰار‪ ،‬دادهﻫﺎ و اﻃﻼﻋﺎت زﻳﺮ ﻣﻮﺟﻮد ﻣﻲﺑﺎﺷﺪ‪:‬‬
‫دادهﻫﺎي ﻣﺎﻫﻮارة ‪) GeoSat‬از ﺳﺎل ‪ 1986‬ﺗﺎ ‪(1989‬‬
‫دادهﻫﺎي ﻣﺎﻫﻮارة ‪) Topex/Poseidon‬از ﺳﺎل ‪ 1992‬ﺗﺎ ‪(1998‬‬
‫دادهﻫﺎي ﺑﻌﻀﻲ از ﺑﻮﻳﻪﻫﺎي ﻣﻮﺟﻮد‬
‫دادهﻫﺎي ﻣﻮج ﻛﺎﻟﻴﺒﺮه ﺷﺪة ﻣﺪل ﺟﻬﺎﻧﻲ ﻣﻮج ﺳﺎزﻣﺎن ﻫﻮاﺷﻨﺎﺳﻲ اﻧﮕﻠﺴﺘﺎن‬
‫در ﻧﺴﺨﺔ ‪ ،WWA 2.0‬ﻣﺤﺪودﻳﺘﻲ در اراﻳﻪ ﺗﻌﺪاد ﭘﺎراﻣﺘﺮﻫﺎي اﻧﺪازهﮔﻴﺮي ﺷـﺪه وﺟـﻮد‬
‫
"!     ‬ ‫(&‬

‫ﻧﺪارد و اﻣﻜﺎن ﻧﻤﺎﻳﺶ ﺧﺮوﺟﻲﻫﺎي ﻣﺪﻟﻲ ﻧﻴﺰ وﺟﻮد دارد‪ .‬دادهﻫﺎ ﻣـﻲﺗﻮاﻧﻨـﺪ ﺑـﻪﺻـﻮرت‬
‫ﺟﻐﺮاﻓﻴﺎﻳﻲ و ﻳﺎ آﻣﺎري اراﻳﻪ ﺷـﻮﻧﺪ و ﭘﺎراﻣﺘﺮﻫـﺎي ﻣﺨﺘﻠـﻒ آﻣـﺎري آﻧﻬـﺎ از ﻗﺒﻴـﻞ ﺗﻮزﻳـﻊ‬
‫ﻓﺮاواﻧﻲ ﻳﻚ و دو ﻣﺘﻐﻴﺮه‪ ،‬ﻣﻨﺤﻨﻴﻬﺎي وﻗـﻮع‪ ،‬ﻣﻘـﺎدﻳﺮ ﺣـﺪي ﺑـﺮاي ارﺗﻔـﺎع ﻣـﻮج ﻣـﻮﺛﺮ و‬
‫ﺣﺪاﻛﺜﺮ‪ ،‬ﺗﻐﻴﻴﺮات ﻣﻜﺎﻧﻲ و زﻣﺎﻧﻲ و ﻧﻴﺰ ﻧﻤﻮدارﻫﺎي ﺗﻐﻴﻴﺮات ﻓﺼﻠﻲ و ﻣﺎﻫﻴﺎﻧﻪ اﻣﻮاج ﻗﺎﺑـﻞ‬
‫اﺳﺘﺨﺮاج ﻣﻲﺑﺎﺷﺪ‪.‬‬
‫ﺑﺎ وﺟﻮد ﺗﻤﺎﻣﻲﻣﺰاﻳﺎي اﻳﻦ ﻧﺮماﻓﺰار‪ ،‬ﻣﻮارد زﻳـﺮ را ﻣـﻲﺗـﻮان ﺑـﻪ ﻋﻨـﻮان ﻧﻘـﺎﻳﺺ اﻳـﻦ‬
‫ﻧﺮماﻓﺰار ﺑﺮﺷﻤﺮد‪:‬‬
‫ﻗﺎﺑﻠﻴﺖ اﺿﺎﻓﻪ ﻛﺮدن دادهﻫﺎي ﺟﺪﻳﺪ ﺗﻮﺳﻂ ﻛﺎرﺑﺮ وﺟﻮد ﻧﺪارد‪،‬‬
‫ﻧﺮماﻓﺰار اﻣﻜﺎن ﻧﻤﺎﻳﺶ دادهﻫﺎ و اﻃﻼﻋﺎت ﻧﻘﺸﻪاي را ﻧﺪارد‪،‬‬
‫ﻧﻘﺸﻪﻫﺎي ﻣﻮرد اﺳﺘﻔﺎده در ﺑﺮﻧﺎﻣﻪ ﺑﺎ ﻓﺮﻣﺖ ﺧـﺎص ﺧـﻮد ﺑﺮﻧﺎﻣـﻪ ﻗﺎﺑـﻞ اﺳـﺘﻔﺎدهاﻧـﺪ و‬
‫ﻧﻤﻲﺗﻮان ﺑﻪﺳﺎدﮔﻲ آﻧﻬﺎ را وﻳﺮاﻳﺶ ﻛﺮد‪،‬‬
‫اﺑﺰارﻫﺎي ﻧﻤﺎﻳﺸﻲ و ﻛﺎر ﺑﺎ ﻧﻘﺸﻪ ﺑﺴﻴﺎر ﺿﻌﻴﻒ ﻣﻲﺑﺎﺷﻨﺪ‪،‬‬
‫ﻧﺤﻮة ﻧﻤﺎﻳﺶ در ﺑﺮﻧﺎﻣﻪ ﺑﻪ ﺻـﻮرت رﺳـﺘﺮ ﺑـﻮده و ﻛـﺎرﺑﺮ در اﻧﺘﺨـﺎب ﻧـﻮاﺣﻲ ﻛـﺎﻣﻼً‬
‫ﻣﺤﺪود اﺳﺖ‪،‬‬
‫ﻧﺮماﻓﺰار ﻓﺮﻣﺘﻬﺎي اﺳﺘﺎﻧﺪارد دادهاي و ﻧﻘﺸﻪاي را ﭘﺸﺘﻴﺒﺎﻧﻲ ﻧﻤﻲﻛﻨﺪ‪،‬‬
‫ﺑﻪﻃﻮر ﻛﻠﻲ ﻫﺮﮔﻮﻧﻪ ﺗﻐﻴﻴﺮ در ﻣﺤﺘﻮاي دادهﻫـﺎ و ﻧﻘـﺸﻪﻫـﺎي ﻧـﺮماﻓـﺰار ﺻـﺮﻓﺎً ﺗﻮﺳـﻂ‬
‫ﺷﺮﻛﺖ ﺳﺎزﻧﺪه اﻣﻜﺎنﭘﺬﻳﺮ اﺳﺖ‪،‬‬
‫ﻧﺮماﻓﺰار ﻓﺎﻗﺪ اﻣﻜﺎن ﻧﻤﺎﻳﺶ ﺟﻐﺮاﻓﻴﺎﻳﻲ دادهﻫﺎﺳﺖ‪،‬‬
‫اﻳﻦ ﻧﺮماﻓﺰار ﻓﺎﻗﺪ راﻫﻨﻤﺎي ﻛﺎﻣﻞ اﺳﺘﻔﺎده ﻣﻲﺑﺎﺷﺪ‪،‬‬

‫‪9‬ـ‪2‬ـ‪2‬ـ ﻧﺮماﻓﺰار‬
‫‪ Mike‬ﺗﻮﺳﻂ ﻣﻮﺳﺴﻪ ﻫﻴﺪروﻟﻴﻚ داﻧﻤﺎرك )‪ 1(DHI‬ﺑﻪﻃﻮر ﺧـﺎص ﺑـﺮاي‬ ‫‪Info‬‬ ‫ﻧﺮماﻓﺰار‬
‫ﻣﺪﻳﺮﻳﺖ دادهﻫﺎي ﺳﺎﺣﻠﻲ ﻃﺮاﺣﻲ ﺷﺪه اﺳﺖ‪ .‬اﻳﻦ ﻧﺮماﻓـﺰار ﺑﻌﻨـﻮان ﻳـﻚ ﺑﺮﻧﺎﻣـﺔ اﻟﺤـﺎﻗﻲ‬

‫‪1. Danish Hydraulic Institute‬‬

‫&‬ ‫)‪(IWA‬‬ ‫ *) ‪
 ,-.0 1  2+* /‬‬

‫)‪ (Extension‬در ﻣﺤﻴﻂ ‪ Arc View 3.0‬ﻛﺎر ﻣﻲﻛﻨﺪ و ﺑﺪﻳﻦ ﻟﺤـﺎظ ﺗﻤـﺎﻣﻲﺗﻮاﻧﺎﻳﻴﻬـﺎي اﻳـﻦ‬
‫‪ Mike‬ﻋــﻼوه ﺑــﺮ ﻧﻘــﺸﻪﻫــﺎي ﺟﻐﺮاﻓﻴــﺎﻳﻲ‪ ،‬دادهﻫــﺎي‬ ‫‪Info‬‬ ‫ﻧـﺮماﻓــﺰار در آن وﺟــﻮد دارد‪.‬‬
‫ﻋﻤﻖﻳﺎﺑﻲ‪ ،‬ﭘﺮوﻓﻴﻠﻬﺎي ﺳﺎﺣﻠﻲ‪ ،‬ﺗـﺼﺎوﻳﺮ رﺳـﺘﺮ و ﺗﻤـﺎﻣﻲاﻧـﻮاع دادهﻫـﺎي ﻫﻴـﺪروﮔﺮاﻓﻲ و‬
‫ﻛﻴﻔﻴﺖ آب را درﻳﺎﻓﺖ و ﭘﺮدازش ﻣﻲﻛﻨﺪ‪ .‬اﻳﻦ ﻧﺮماﻓﺰار ﻣﻲﺗﻮاﻧﺪ ﺑـﻪ روﺷـﻬﺎي ﮔﻮﻧـﺎﮔﻮن‪،‬‬
‫دادهﻫــﺎي ﻣﺘﻔــﺎوت ﻧــﻮاﺣﻲ ﺳــﺎﺣﻠﻲ را ﭘــﺮدازش ﻛﻨــﺪ و ﺑــﺮاي ﺳﻴــﺴﺘﻤﻬﺎي ﭘــﺸﺘﻴﺒﺎن‬
‫ﺗﺼﻤﻴﻢﮔﻴﺮي‪ 1‬ﮔﺰارﺷﻬﺎي اﺳﺘﺎﻧﺪارد ﺗﻬﻴﻪ ﻛﻨﺪ‪ .‬ﻋﻼوه ﺑﺮ اﻳﻦ‪ Mike Info ،‬ﻣﻲﺗﻮاﻧـﺪ ﺑﺮاﺣﺘـﻲ‬
‫ﺑﺎ دﻳﮕﺮ ﻧﺮماﻓﺰارﻫﺎي ‪ DHI‬ﺗﺒﺎدل داده ﻛﻨﺪ‪.‬‬

‫‪2‬‬
‫‪9‬ـ‪2‬ـ‪3‬ـ ﻧﺮماﻓﺰار ﺗﻬﻴﻪﺷﺪه در ﻣﺮﻛﺰ ﻣﻠﻲ اﻗﻴﺎﻧﻮسﺷﻨﺎﺳﻲ‬
‫ﻧﺮماﻓﺰار اراﻳﻪ دادهﻫﺎ و اﻃﻼﻋﺎت اﻣﻮاج درﻳﺎﻫﺎي اﻳﺮان ﺑﺮاي اﺳـﺘﻔﺎده در ﻛﺎﻣﭙﻴﻮﺗﺮﻫـﺎي‬
‫‪XP‬‬ ‫ﺷﺨﺼﻲ )‪ (PC‬ﻃﺮاﺣﻲ ﺷﺪه و ﺗﺤﺖ ﺳﻴـﺴﺘﻢ ﻋﺎﻣـﻞﻫـﺎي وﻳﻨـﺪوز ‪ Me ،2000 ،98‬و‬
‫ﻗﺎﺑﻞ اﺟﺮا ﻣﻲﺑﺎﺷﺪ‪ .‬در اداﻣﻪ ﻣﺸﺨﺼﺎت ﻛﺎﻣﻞ ﻧﺮماﻓـﺰار و ﻗﺎﺑﻠﻴﺘﻬـﺎي آن ﺷـﺮح داده ﺷـﺪه‬
‫اﺳﺖ‪.‬‬

‫‪IWA‬‬ ‫ '&‪

() !"
#$# %‬‬
‫‪ Visual‬ﻧﻮﺷﺘﻪ ﺷﺪه اﺳﺖ‪ .‬ﻋﻠﺖ اﻧﺘﺨـﺎب‬ ‫‪Basic‬‬ ‫ﻧﺮماﻓﺰار ‪ IWA‬در ﻣﺤﻴﻂ ﺑﺮﻧﺎﻣﻪﻧﻮﻳﺴﻲ‬
‫اﻳﻦ ﻣﺤﻴﻂ‪ ،‬ﻫﻤﺨﻮاﻧﻲ ﺧﻮب آن ﺑﺎ ﻧﺮماﻓﺰارﻫﺎي ‪ GIS‬ﻣﻲﺑﺎﺷﺪ ﻛﻪ اﻳﻦ اﻣﺮ اﻣﻜﺎن اﺳﺘﻔﺎده از‬
‫ﻗﺎﺑﻠﻴﺘﻬﺎي ﻧﺮماﻓﺰارﻫﺎي آﻣﺎدة ‪ GIS‬را در اﺧﺘﻴﺎر ﺑﺮﻧﺎﻣﻪ ﻗﺮار ﻣﻲدﻫﺪ‪ .‬از ﺑـﻴﻦ ﻧـﺮماﻓﺰارﻫـﺎي‬
‫ﻣﻮﺟﻮد در زﻣﻴﻨﺔ ‪ GIS‬ﻛﻪ ﻗﺎﺑﻠﻴﺖ ﺑﺮﻧﺎﻣﻪﻧﻮﻳﺴﻲ را ﻧﻴﺰ داﺷﺘﻪ ﺑﺎﺷﻨﺪ‪ ،‬از ﺑﺮﻧﺎﻣـﺔ ‪) ArcView‬از‬
‫ﺳﺮي ﺑﺮﻧﺎﻣﻪﻫﺎي ﺷﺮﻛﺖ ‪ ESRI‬ﺑـﻪ دﻟﻴـﻞ ﭘـﺸﺘﻴﺒﺎﻧﻲ از ﻓﺎﻳﻠﻬـﺎي ﺑـﺎ ﻓﺮﻣـﺖ ﺑـﻴﻦاﻟﻤﻠﻠـﻲ و‬
‫ﻫﻤﭽﻨﻴﻦ ﺑﻪ دﻟﻴﻞ ﻫﻤﺨﻮاﻧﻲ ﺑﺎ ﻣﺤﻴﻄﻬﺎي ﺑﺮﻧﺎﻣﻪﻧﻮﻳﺴﻲ در ﺗﻬﻴﻪ راﺑﻄﻬﺎي )‪ (Interface‬ﻣـﻮرد‬
‫ﻧﻴﺎز‪ ،‬ﺑﻪ ﻋﻨﻮان ﺣﻠﻘﻪ ﭘﺸﺘﻴﺒﺎن ﻧﺮماﻓﺰار ﺑﺎ ﺳﻴﺴﺘﻢ اﻃﻼﻋﺎت ﺟﻐﺮاﻓﻴﺎﻳﻲ اﺳﺘﻔﺎده ﺷـﺪه اﺳـﺖ‪.‬‬
‫ﺑﺮ اﻳﻦ اﺳﺎس‪ ،‬ﻓﺎﻳﻠﻬﺎي اﺳﺘﺎﻧﺪارد ﻧﻘﺸﻪاي ﻣﻮرد اﺳﺘﻔﺎدة ﻧﺮماﻓﺰار‪ ،‬ﻓﺎﻳﻠﻬﺎي ‪ shape‬ﻣﻲﺑﺎﺷﺪ‪.‬‬

‫‪1. Decision Support Systems‬‬

‫‪2. Iran Wave Atlas‬‬
‫
"!     ‬ ‫&‬

‫‪ ،Arc‬از روش‬ ‫‪View‬‬ ‫ﺑــــﺮاي ﺑﺮﻗــــﺮاري ارﺗﺒــــﺎط ‪ IWA‬ﺑــــﺎ ﻧــــﺮماﻓــــﺰار‬

‫‪ (Object‬اﺳـﺘﻔﺎده ﺷـﺪه اﺳـﺖ‪ .‬ﺑـﺮاي اﻳـﻦ ﻣﻨﻈـﻮر از‬ ‫)‪Linking and Embedding, OLE‬‬

‫‪ Map‬ﺑﻪ ﻋﻨﻮان ﻳﻚ ﻧﺮماﻓﺰار ﺧﺪﻣﺘﮕﺰار ‪ OLE‬اﺳﺘﻔﺎده ﻣﻲﺷﻮد ﻛﻪ ﻣﻲﺗﻮاﻧﺪ‬ ‫‪Object‬‬ ‫ﻧﺮماﻓﺰار‬

‫اﺷﻴﺎء و دﺳﺘﻮرات ﺧﻮد را در اﺧﺘﻴﺎر ﺑﺮﻧﺎﻣﻪ ﻛﻨﺘﺮﻟﺮ )ﺑﺮﻧﺎﻣﺔ ‪ (IWA‬ﻗﺮار دﻫﺪ‪ .‬ﺑﻪ دﻟﻴﻞ اﻳﻨﻜـﻪ‬
‫‪ Map‬ﺗﺤﺖ ﻣﻮﻟﻔﻪﻫﺎي ‪ ActiveX‬اراﻳﻪ ﻣﻲﺷﻮد‪ ،‬ﻧﻴـﺎزي ﺑـﻪ ﻧـﺮماﻓـﺰار ﻛﺎﻣـﻞ ﻣﻨﺒـﻊ‬ ‫‪Object‬‬
‫‪2‬‬
‫‪ (Arc‬ﻧﺪارد و ﻣﻲﺗﻮاﻧﺪ ﺑﺎ در اﺧﺘﻴﺎر ﮔﺬاردن ﻓﺎﻳﻠﻬﺎي ﻣﻨﺒـﻊ‪ 1‬و ﻛﺘﺎﺑﺨﺎﻧـﻪاي ﭘﻮﻳـﺎي‬ ‫)‪View‬‬

‫ﺧﻮد‪ ،‬ﻧﺮماﻓﺰار ﻛﻨﺘﺮﻟﺮ را در ﺣﻴﻦ اﺟﺮا ﺑﻲﻧﻴﺎز از ﻧﺮماﻓﺰار ﻣﻨﺒﻊ ﻛﺮده و اﻣﻜﺎن اﺟﺮاي ﺗﻮاﺑـﻊ‬
‫را ﻓﺮاﻫﻢ ﻛﻨﺪ‪ .‬ﺑﻄﻮر ﻛﻠﻲ ﺗﻮاﻧﺎﻳﻲﻫﺎي ‪ MapObject‬ﻛﻪ از آﻧﻬﺎ در ﺑﺮﻧﺎﻣﺔ ‪ IWA‬ﻧﻴﺰ ﻣـﻲﺗـﻮان‬
‫اﺳﺘﻔﺎده ﻛﺮد ﺑﻪ ﺷﺮح زﻳﺮ ﻣﻲﺑﺎﺷﺪ‪:‬‬
‫‪DWG‬‬ ‫ﭘﺸﺘﻴﺒﺎﻧﻲ ﻛﺎﻣﻞ از ﻓﺎﻳﻠﻬﺎي ﻧﻘﺸﻪاي وﻛﺘﻮر ﺑﻪ وﻳﮋه ‪ DXF ،SHP‬و‬
‫ﭘﺸﺘﻴﺒﺎﻧﻲ از ﻓﺎﻳﻠﻬﺎي ﻧﻘﺸﻪاي ﺗﺼﺎوﻳﺮ رﺳﺘﺮ داراي ﻣﺨﺘﺼﺎت زﻣﻴﻨﻲ )‪(Geo Tiff‬‬
‫‪ArcView‬‬ ‫اﺳﺘﻔﺎده ﻛﺎﻣﻞ از اﺑﺰارﻫﺎي ﻧﻤﺎﻳﺸﻲ و ﻛﺎر ﺑﺎ ﻧﻘﺸﻪ ﻣﺸﺎﺑﻪ‬
‫ﭘﺸﺘﻴﺒﺎﻧﻲ ﻛﺎﻣﻞ ﺗﻤﺎﻣﻲﺳﻴﺴﺘﻤﻬﺎي ﻣﺨﺘﺼﺎت ﺟﻐﺮاﻓﻴﺎﻳﻲ‬
‫ﺟﺴﺘﺠﻮي ﻗﻮي در ﺑﻴﻦ دادهﻫﺎ و اﺷـﻴﺎء ﻧﻘـﺸﻪ و ﺗﻮاﻧـﺎﻳﻲ ﻓـﻮقاﻟﻌـﺎده در ﭘـﺮدازش و‬
‫دﺳﺘﻪﺑﻨﺪي آﻧﻬﺎ‬
‫‪3‬‬
‫‪SQL‬‬ ‫ﭘﺸﺘﻴﺒﺎﻧﻲ از‬
‫ﭘﺸﺘﻴﺒﺎﻧﻲ ﻛﺎﻣﻞ دﺳـﺘﻮرات و ﺗﻮاﺑـﻊ ﺑﻌﻨـﻮان ﻳـﻚ ﺧـﺪﻣﺘﮕﺰار ‪ OLE‬و درﻳﺎﻓـﺖ ﺗﻮاﺑـﻊ‬
‫دﺳﺘﻮري از ﺑﺮﻧﺎﻣﻪ ﻛﻨﺘﺮﻟﺮ ﺑﻌﻨﻮان ﻳﻚ ﺷﻲء ﺣﺎﻣﻲ‬
‫ﺗﻮاﻧﺎﻳﻲ ﺛﺒﺖ دادهﻫﺎ و اﻃﻼﻋﺎت ﺟﺪﻳﺪ ﺑﺼﻮرت درﻳﺎﻓـﺖ دﺳـﺘﻮر از ﺑﺮﻧﺎﻣـﻪ ﻛﻨﺘﺮﻟـﺮ و‬
‫ﺗﻨﻈﻴﻢ ﻓﺮﻣﺖ دادهﻫﺎي اﻟﺤﺎﻗﻲ ﻃﺒﻖ دﺳﺘﻮر ﻛﺎرﺑﺮ‬
‫از آﻧﺠﺎ ﻛﻪ ﺗﻤﺎﻣﻲﺗﻮاﻧـﺎﻳﻲﻫـﺎي ﺑﺮﻧﺎﻣـﺔ ‪ Map Object‬در اﺧﺘﻴـﺎر ﻧـﺮماﻓـﺰار ‪ IWA‬ﻗـﺮار‬
‫ﮔﺮﻓﺘﻪاﻧﺪ ﻣﻲﺗﻮان ﮔﻔﺖ ‪ IWA‬داراي ﺗﻮاﺑﻊ ﻛﺘﺎﺑﺨﺎﻧﻪاي وﺳـﻴﻊ ﺟﻬـﺖ ﭘـﺮدازش و ﻧﻤـﺎﻳﺶ‬

‫‪1. Files Resource‬‬

‫‪2. Dynamic Link Library, DLL‬‬
‫‪3. Structural Query Language‬‬
‫&‬ ‫)‪(IWA‬‬ ‫ *) ‪
 ,-.0 1  2+* /‬‬

‫دادهﻫﺎي ﻋﺪدي و ﻧﻘﺸﻪاي اﺳﺖ‪ .‬در ‪ IWA‬ﺗﻤﺎﻣﻲدﺳﺘﻮرات ﺑﻪ ﻓﺮﻣﺖ اﺳﺘﺎﻧﺪارد ﺧﺪﻣﺘﮕﺰار‬

‫‪ OLE‬ﻧﻮﺷﺘﻪ ﻣﻲﺷﻮﻧﺪ و ﻧﺘﻴﺠﻪ ﻧﻬﺎﻳﻲ ﺑﺮﮔﺸﺖ داده ﺷﺪه از ﺳﻮي ﺧﺪﻣﺘﮕﺰار ﺑﻪ دﺳـﺘﻮرات‬
‫‪ Visual‬اﺳﺖ( ﺗﺒﺪﻳﻞ ﻣـﻲﺷـﻮد‪ .‬اﺷـﻴﺎي روي‬ ‫‪Basic‬‬ ‫ﻛﺎﻣﭙﺎﻳﻠﺮ ﻧﺮماﻓﺰار ﻛﻨﺘﺮﻟﺮ )ﻛﻪ در اﻳﻨﺠﺎ‬
‫ﻧﻘﺸﻪ ﺑﻌﻨﻮان اﺷﻴﺎي ﺗﺤﺮﻳﻚ ﺷﻮﻧﺪه ﺗﻮﺳﻂ ﺑﺮﻧﺎﻣﺔ ﻛﻨﺘﺮﻟﺮ )‪ (IWA‬ﻋﻤﻞ ﻣﻲﻛﻨﻨـﺪ و ﭘـﺲ از‬
‫ﺗﺤﺮﻳﻚ ﺷﺪن‪ ،‬ﺗﻮﺳﻂ ﺑﺮﻧﺎﻣﻪ ﺧﺪﻣﺘﮕﺰار ﺷﻨﺎﺳﺎﻳﻲ و ﺗﺤﻠﻴﻞ ﻣﻲﮔﺮدﻧﺪ‪ .‬ﺑﺮﻧﺎﻣﺔ ﻛﻨﺘﺮﻟﺮ دﺳﺘﻮر‬
‫ارﺳﺎﻟﻲ از ﺑﺮﻧﺎﻣﺔ ﺧﺪﻣﺘﮕﺰار را ﺑﻪ ﺻﻮرت ﻳﻚ ﺷﻲء ﻣﺠﺎزي درﻳﺎﻓﺖ ﻣﻲﻛﻨـﺪ و ﺳـﭙﺲ ﺑـﺎ‬
‫ﻧﺴﺒﺖ دادن ﻣﺸﺨﺼﺎت آن ﺑﻪ دادهﻫﺎي ﻣﺘﻨﺎﻇﺮ‪ ،‬آن را ﺑﻪ ﻣﻘﺪار ﻋﺪدي و ﻳﺎ رﺷـﺘﻪاي ﻣـﻮرد‬
‫ﻧﻈﺮ ﺧﻮد ﺗﺒﺪﻳﻞ ﻣﻲﻛﻨﺪ‪.‬‬

‫‪9‬ـ‪2‬ـ‪3‬ـ‪2‬ـ ﻣﺸﺨﺼﺎت ﭘﺎﻳﮕﺎه دادهﻫﺎي ﻧﺮماﻓﺰار ‪IWA‬‬

‫دادهﻫﺎي ﻣﻮرد اﺳﺘﻔﺎده در ‪ IWA‬ﺑﺮ ﺣﺴﺐ ﻧﻮع ﻣﻨﺒﻊ در ﻓﺎﻳﻠﻬﺎي ﻣﺠﺰا ذﺧﻴﺮه ﺷﺪهاﻧـﺪ‪.‬‬
‫ﺑﻨﺎﺑﺮاﻳﻦ ﺑﺮاي دادهﻫﺎي اﻳﺴﺘﮕﺎهﻫﺎي ﺳﻴﻨﻮﭘﺘﻴﻚ‪ ،‬دادهﻫﺎي ﺑﻮﻳـﻪاي‪ ،‬دادهﻫـﺎي ﻣـﺎﻫﻮارهاي و‬
‫دادهﻫﺎي ﻣﺪل ‪ ،Mike‬ﭘﺎﻳﮕﺎهﻫﺎي اﻃﻼﻋﺎﺗﻲ ﺟﺪاﮔﺎﻧﻪاي ﺗﺸﻜﻴﻞ ﺷـﺪه اﺳـﺖ‪ .‬ﻫـﺮ ﻛـﺪام از‬
‫ﭘﺎﻳﮕﺎهﻫﺎي داده داراي ﻳﻚ ﻓﻴﻠﺪ ﭘﻴﻮﻧﺪي ﻣﻲﺑﺎﺷﺪ ﻛﻪ ﻣﺸﺨﺼﺔ اﻳﺴﺘﮕﺎه اﻧﺪازهﮔﻴﺮي ﺑـﻮده و‬
‫ﺣﻠﻘﻪ ارﺗﺒﺎﻃﻲ ﺑﻴﻦ ﭘﺎﻳﮕﺎه داده ﺑﺎ اﺷﻴﺎء روي ﻧﻘـﺸﻪ ﺑـﻪ ﺷـﻤﺎر ﻣـﻲرود‪ .‬ﺑـﺪﻳﻦ ﺗﺮﺗﻴـﺐ ﺑـﺎ‬
‫ﺗﺤﺮﻳﻚ ﺷﻲء اﺑﺘﺪا ﻣﺸﺨﺼﺔ آن ﺗﻌﻴﻴﻦ ﻣﻲﺷﻮد و ﺳﭙﺲ در ﺑﺎﻧـﻚ اﻃﻼﻋـﺎﺗﻲ ﻣـﺮﺗﺒﻂ‪ ،‬ﺑـﺮ‬
‫ﺣﺴﺐ ﻓﻴﻠﺪ ﭘﻴﻮﻧﺪي و ﻣﻘﺪار ﻣﺸﺨـﺼﻪ‪ ،‬ﺟـﺴﺘﺠﻮ و اﺳـﺘﺨﺮاج دادهﻫـﺎي ﻣﺮﺑﻮﻃـﻪ اﻧﺠـﺎم‬
‫ﻣﻲﺷﻮد‪ .‬ﻧﺤﻮة ﺟﺴﺘﺠﻮ در ﺑﺎﻧﻚ اﻃﻼﻋﺎﺗﻲ ﺑﺼﻮرت دودوﻳﻲ اﺳﺖ ﻛﻪ ﺗـﺎ ﺣـﺪ زﻳـﺎدي از‬
‫ﭘﻴﭽﻴﺪﮔﻲ اﻟﮕﻮرﻳﺘﻢ ﺟﺴﺘﺠﻮ ﻣﻲﻛﺎﻫﺪ‪ .‬ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل‪ ،‬در ﺻﻮرﺗﻲ ﻛﻪ در ﻳﻜﻲ از ﺑﺎﻧﻜﻬـﺎي‬
‫اﻃﻼﻋﺎﺗﻲ ﻛﻪ ﺣﺎوي ‪ 30,000‬رﻛﻮرد اﺳﺖ ﺟﺴﺘﺠﻮ ﺑﻪﺻـﻮرت ﺧﻄـﻲ اﻧﺠـﺎم ﺷـﻮد ﻃﺒـﻖ‬
‫راﺑﻄــــﺔ ﻟﻴﭙــــﺸﻮﺗﺰ )‪ ،(1997‬ﺷـــــﺎﺧﺺ ﭘﻴﭽﻴــــﺪﮔﻲ اﻟﮕـــــﻮرﻳﺘﻢ ﺑﺮاﺑــــﺮ ﺑـــــﺎ‬
‫ﻣﻲﺑﺎﺷﺪ در ﺣﺎﻟﻲ ﻛﻪ اﮔﺮ ﺟﺴﺘﺠﻮ ﺑﻪﺻﻮرت دودوﻳﻲ اﻧﺠﺎم ﺷـﻮد‬ ‫‪Cn = n / 2 = 15, 000‬‬
‫‪n‬‬
‫ﺧﻮاﻫﺪ ﺷﺪ‪.‬‬ ‫‪Cn = (n / 2) ÷ log 2 ≈ 1, 000‬‬ ‫ﺷﺎﺧﺺ ﭘﻴﭽﻴﺪﮔﻲ اﻟﮕﻮرﻳﺘﻢ ﺑﺮاﺑﺮ ﺑﺎ‬
‫ﺑﻪ دﻟﻴﻞ ﺳﺎزﮔﺎري ﺧﻮب ﭘﺎﻳﮕﺎه دادة ‪ Access‬ﺑـﺎ ﻣﺤـﻴﻂ ‪ ،Visual Basic‬از اﻳـﻦ ﭘﺎﻳﮕـﺎه‬
‫
"!     ‬ ‫‪&#‬‬

‫داده ﺑﺮاي ذﺧﻴﺮهﺳﺎزي دادهﻫﺎ اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ‪ .‬ﺟﺴﺘﺠﻮ در ﭘﺎﻳﮕـﺎه داده ﺑـﺎ اﺳـﺘﻔﺎده از‬
‫‪ 1SQL‬اﻧﺠﺎم ﻣﻲﺷﻮد‪ .‬ﭘﺲ از ﺟﺴﺘﺠﻮ‪ ،‬دادهﻫﺎي ﻋﺪدي اﺳـﺘﺨﺮاج ﺷـﺪه در اﺧﺘﻴـﺎر ﺑﺮﻧﺎﻣـﻪ‬
‫ﻗﺮار ﻣﻲﮔﻴﺮد و ﺑﺮﻧﺎﻣﻪ از آﻧﻬﺎ ﺑﺮاي ﺗﺮﺳﻴﻢ ﻧﻤﻮدار و دﻳﮕﺮ ﻓﺮاﻳﻨﺪﻫﺎي ﻣـﻮرد ﻧﻴـﺎز اﺳـﺘﻔﺎده‬
‫ﻣﻲﻛﻨﺪ‪.‬‬

‫‪9‬ـ‪2‬ـ‪3‬ـ‪3‬ـ روش ﻛﺎر ﺑﺎ ﻧﺮماﻓﺰار ‪IWA‬‬

‫ﺑﻪﻃﻮر ﻛﻠﻲ اﺑﺰارﻫﺎي ﻣﻮﺟﻮد در ﻧﺮماﻓـﺰار را ﻣـﻲﺗـﻮان ﺑـﻪ دو دﺳـﺘﻪ ﻛﻠـﻲ اﺑﺰارﻫـﺎي‬
‫ﻋﻤﻮﻣﻲو اﺑﺰارﻫﺎي ﭘﺮدازش دادهﻫﺎي ﻣﻮج ﺗﻘﺴﻴﻢ ﻛﺮد‪ .‬اﺑﺰارﻫﺎي ﻋﻤﻮﻣﻲﺷـﺎﻣﻞ اﺑﺰارﻫـﺎي‬
‫ﻛﺎر ﺑﺎ ﻧﻘﺸﻪ‪ ،‬اﺷﻜﺎل ﮔﺮاﻓﻴﻜﻲ ﻧﻘﺸﻪ‪ ،‬ذﺧﻴﺮة ﻣﺤﻴﻂ ﺑﺮﻧﺎﻣﻪ‪ ،‬ﭼـﺎپ‪ ،‬اﺿـﺎﻓﻪﻛـﺮدن دادهﻫـﺎي‬
‫ﺟﺪﻳﺪ‪ ،‬اﻧﺪازهﮔﻴﺮي ﻓﺎﺻﻠﻪ و ﺗﻨﻈﻴﻢ ﺑﺨﺸﻬﺎي ﻣﺨﺘﻠﻒ ﺑﺮﻧﺎﻣـﻪ ﻣـﻲﺑﺎﺷـﺪ‪ .‬اﺑـﺰار اﻧﺘﺨـﺎب و‬
‫درﻳﺎﻓﺖ دادهﻫﺎي ﻣﻮرد ﻧﻈﺮ و ﺻﻔﺤﺎت آﻧﺎﻟﻴﺰ دادهﻫﺎ ﻧﻴﺰ اﺑﺰارﻫﺎي وﻳﮋة ﭘـﺮدازش ﻣـﻮج را‬
‫ﺗﺸﻜﻴﻞ ﻣﻲدﻫﻨﺪ‪ .‬ﺻﻔﺤﻪ ﺷﺮوع ﺑﺮﻧﺎﻣﻪ ﻧﺸﺎندﻫﻨﺪة اﺑﺰارﻫﺎ و ﻧﻘـﺸﺔ ﻣﻮﻗﻌﻴـﺖ اﻳـﺴﺘﮕﺎﻫﻬﺎي‬
‫ﻣﻨﺎﺑﻊ دادهاي ﻣﺨﺘﻠﻒ ﻣﻲﺑﺎﺷﺪ‪ .‬ﺑﺮﻧﺎﻣﻪ ﺑﻪﺻﻮرت ﭘﻴﺶﻓﺮض ﺑﺎ ﻻﻳـﻪﻫـﺎي اﻃﻼﻋـﺎﺗﻲ ﻧﻘـﺸﺔ‬
‫درﻳﺎﻫﺎي ﺷﻤﺎل و ﺟﻨﻮب‪ ،‬ﻣﻮﻗﻌﻴﺖ اﻳﺴﺘﮕﺎهﻫﺎي ﻋﺒـﻮري ﻣـﺎﻫﻮارة ‪ ،Topex‬اﻳـﺴﺘﮕﺎهﻫـﺎي‬
‫ﺑﻮﻳﻪاي و اﻳﺴﺘﮕﺎﻫﻬﺎي ﺳﻴﻨﻮﭘﺘﻴﻚ ﺷﺮوع ﻣﻲﺷﻮد‪ .‬در ﺑﺨـﺶ ﺗﻨﻈﻴﻤـﺎت‪ ،‬ﺗﻌـﺪاد ﻻﻳـﻪﻫـﺎي‬
‫اﻃﻼﻋﺎﺗﻲ ﻛﻪ در ﺷﺮوع ﺑﺮﻧﺎﻣﻪ ﺑﺎﻳﺪ ﺑﻄﻮر ﭘﻴﺶﻓﺮض ﻧﺸﺎن داده ﺷﻮﻧﺪ‪ ،‬ﻗﺎﺑﻞ ﺗﻨﻈـﻴﻢ اﺳـﺖ‪.‬‬
‫در ﺷﻜﻞ ‪9‬ـ‪ 1‬ﺻﻔﺤﺔ ﺷﺮوع ﻧﺮماﻓﺰار و ﻻﻳﻪﻫﺎي اﻃﻼﻋﺎﺗﻲ ﭘﻴﺶﻓﺮض ﻣﻮﺟﻮد در ﻧﺮماﻓﺰار‬
‫ﻧﺸﺎن داده ﺷﺪهاﻧﺪ‪.‬‬

‫‪1. Structural Query Language‬‬

‫‪&$‬‬ ‫)‪(IWA‬‬ ‫ *) ‪
 ,-.0 1  2+* /‬‬

‫ﺷﻜﻞ ‪9‬ـ‪1‬ـ ﺻﻔﺤﺔ اﺻﻠﻲ ﺷﺮوع ﺑﺮﻧﺎﻣﻪ‬

‫در اﻳﻦ ﺷﻜﻞ ﺑﻪ ﺗﺮﺗﻴﺐ ﺷﻤﺎره ﻫﺮ ﻗﺴﻤﺖ در زﻳﺮ ﺗﻮﺿﻴﺢ داده ﻣﻲﺷﻮد‪:‬‬
‫‪ .1‬ﻻﻳﻪﻫﺎي ﻓﻌﺎل‬
‫‪ .2‬ﻟﻴﺴﺖ ﻓﻴﻠﺪﻫﺎي اﻃﻼﻋﺎﺗﻲ ﻻﻳﻪ ﻓﻌﺎل‬
‫‪ .3‬ﻣﺸﺨﺼﺎت ﻣﻜﺎن ﻧﻤﺎ‬
‫‪ .4‬ﻣﻘﻴﺎس ﻧﻘﺸﻪ‬
‫‪ .5‬واﺣﺪ ﻧﻤﺎﻳﺶ ﻧﻘﺸﻪ‬
‫ﺑﺮاي ﻛﺴﺐ ﻣﺸﺨﺼﺎت ﻳﻜﻲ از اﺷﻴﺎء ﻣﻮﺟﻮد در ﻻﻳﻪ ﻓﻌﺎل‪ ،‬ﭘﺲ از ﻓﻌـﺎل ﻛـﺮدن ﻻﻳـﻪ‬
‫ﻣﻮرد ﻧﻈﺮ ﺑﺎﻳﺪ اﺑﺰار ﻛﺴﺐ اﻃﻼﻋﺎت را اﻧﺘﺨﺎب ﻛﺮده و ﺳﭙﺲ ﺑﺮ روي ﺷـﻲء ﻣـﻮرد ﻧﻈـﺮ‬
‫ﻛﻠﻴﻚ ﻛﺮد‪ .‬ﻧﺘﺎﻳﺞ اﻃﻼﻋﺎت در ﺟﻌﺒﻪاي ﻣﺸﺎﺑﻪ ﺷﻜﻞ ‪9‬ـ‪ 2‬ﻧﺸﺎن داده ﺧﻮاﻫﺪ ﺷﺪ‪.‬‬
‫
"!     ‬ ‫‪&%‬‬

‫ﺷﻜﻞ ‪9‬ـ‪2‬ـ ﻛﺴﺐ اﻃﻼﻋﺎت از اﺷﻴﺎء ﻻﻳﻪ ﻓﻌﺎل‬

‫ﻛﺎرﺑﺮ ﺑﺎ ﺗﻐﻴﻴﺮ ﺑﺰرﮔﻨﻤﺎﻳﻲ ﺻﻔﺤﻪ ﻧﻤﺎﻳﺶ ﻣﻲﺗﻮاﻧﺪ ﻫﺮ ﺑﺨﺶ از ﺻﻔﺤﻪ ﻧﻤـﺎﻳﺶ را ﺑـﻪ دﻟﺨـﻮاه‬
‫ﻣﺸﺎﻫﺪه ﻛﻨﺪ‪ .‬ﺑﺮاي اﻳﻨﻜﻪ ﻛﺎرﺑﺮ ﺑﺘﻮاﻧﺪ در ﻫﺮ ﻟﺤﻈﻪ ﻣﻮﻗﻌﻴﺖ ﺻﻔﺤﻪ ﻧﻤـﺎﻳﺶ را در ﻛـﻞ ﻣﺠﻤﻮﻋـﻪ‬
‫ﻻﻳﻪ ﻣﺸﺎﻫﺪه ﻛﻨﺪ‪ ،‬اﺑﺰار ﻣﺸﺎﻫﺪه ﻣﻮﻗﻌﻴﺖ اﻳﺠﺎد ﺷﺪه اﺳﺖ‪ .‬ﻛـﺎرﺑﺮ ﺑـﺎ ﻛﻠﻴـﻚ ﺑـﺮروي اﻳـﻦ اﺑـﺰار‬
‫ﻣﻲﺗﻮاﻧﺪ ﻣﻮﻗﻌﻴﺖ ﺻﻔﺤﻪ ﻧﻤﺎﻳﺶ ﻓﻌﻠﻲ ﺧﻮد را در ﻛﻞ ﻣﺠﻤﻮﻋﻪ ﻣﺸﺎﻫﺪه ﻛﻨﺪ )ﺷﻜﻞ ‪9‬ـ‪.(3‬‬

‫ﺷﻜﻞ ‪9‬ـ‪3‬ـ ﻣﻮﻗﻌﻴﺖ ﺻﻔﺤﻪ ﻧﻤﺎﻳﺶ در ﻛﻞ ﻣﺠﻤﻮﻋﻪ‬

‫&&‬ ‫)‪(IWA‬‬ ‫ *) ‪
 ,-.0 1  2+* /‬‬

‫ﻳﻜﻲ از اﺑﺰارﻫﺎي ﻣﻮﺟﻮد در ﻧﺮماﻓﺰار‪ ،‬ﺑﺮﭼـﺴﺐ زدن ﺑـﺮ روي اﺷـﻴﺎء روي ﻧﻘـﺸﻪ ﺑـﺮ‬
‫ﺣﺴﺐ ﻳﻜﻲ از ﻓﻴﻠﺪﻫﺎي اﻃﻼﻋﺎﺗﻲ اﺳﺖ‪ .‬اﻳﻦ ﻋﻤﻞ در ﺣﻴﻦ ﻛﺎر ﺑﺎ ﻻﻳﻪﻫﺎي اﻃﻼﻋﺎﺗﻲ ﻛـﻪ‬
‫داراي اﺷﻴﺎء زﻳﺎدي ﻫﺴﺘﻨﺪ )ﻣﺜﻞ دادهﻫﺎي اﻳﺴﺘﮕﺎﻫﻬﺎي ‪ (Topex‬و ﻳﺎ ﺑﺮاي ﮔﺮﻓﺘﻦ ﭼـﺎپ و‬
‫آﻣﺎده ﻛﺮدن ﺻﻔﺤﺎت ﺧﺮوﺟﻲ ارزﺷﻤﻨﺪ ﻣﻲﺑﺎﺷﺪ‪ .‬ﺑﺮﭼﺴﺐ زدن در دو ﺣﺎﻟﺖ اﺳﺘﺎﻧﺪارد و‬
‫ﭘﻴﺸﺮﻓﺘﻪ اﻧﺠﺎم ﻣﻲﺷﻮد‪ .‬در ﺣﻴﻦ ﺑﺮ ﭼﺴﺐ زدن ﻣﻲﺗﻮان ﺧـﺼﻮﺻﻴﺎت ﻣـﺘﻦ ﻧﻮﺷـﺘﻪ ﺷـﺪه‬
‫ﻣﺎﻧﻨﺪ ﻓﻮﻧﺖ‪ ،‬اﻧﺪازه‪ ،‬زاوﻳﻪ و ﻣﻮﻗﻌﻴﺖ آﻧﺮا ﺗﻌﻴﻴﻦ ﻛﺮد‪ .‬در ﺷﻜﻞ ‪9‬ـ‪ 4‬ﺗﻮاﻧﺎﻳﻲ ﻧـﺮماﻓـﺰار در‬
‫ﺑﺮﭼﺴﺐ زدن در دو ﺣﺎﻟﺖ اﺳﺘﺎﻧﺪارد و ﭘﻴﺸﺮﻓﺘﻪ ﻧﺸﺎن داده ﺷﺪه اﺳﺖ‪.‬‬

‫ﺷﻜﻞ ‪9‬ـ‪4‬ـ اﺑﺰار ﺑﺮﭼﺴﺐ زدن ﺑﺮروي اﺷﻴﺎء روي ﻧﻘﺸﻪ ﺑﺮ ﺣﺴﺐ ﻳﻜﻲ از ﻓﻴﻠﺪﻫﺎي اﻃﻼﻋﺎﺗﻲ‬
‫
"!     ‬ ‫''(‬

‫ﺧﺼﻮﺻﻴﺎت ﮔﺮاﻓﻴﻜﻲ ﺑﺮﭼﺴﺐﻫﺎ )ﻧﻮع ﻓﻮﻧﺖ‪ ،‬رﻧﮓ‪ ،‬اﻧﺪازه و‪ (.. .‬ﻗﺎﺑﻞ ﻛﻨﺘﺮل اﺳـﺖ و‬
‫ﻛﺎرﺑﺮ ﻣﻲﺗﻮاﻧﺪ ﺑﺮ ﺣﺴﺐ ﺳﻠﻴﻘﺔ ﺧﻮد آﻧﻬـﺎ را ﺗﻐﻴﻴـﺮ دﻫـﺪ‪ .‬ﻧﻤﻮﻧـﻪاي از اﺷـﻜﺎل ﻣﺨﺘﻠـﻒ‬
‫ﺑﺮﭼﺴﺐ زدن در ﺷﻜﻞ ‪9‬ـ‪ 5‬آﻣﺪه اﺳﺖ‪.‬‬

‫ﺷﻜﻞ ‪9‬ـ‪5‬ـ ﺑﺮﭼﺴﺐ زدن ﺑﺎ اﺷﻜﺎل ﻣﺘﻔﺎوت ﺑﺮ روي اﻳﺴﺘﮕﺎهﻫﺎي اﻧﺪازهﮔﻴﺮي‬

‫ﻻﻳﻪﻫﺎي اﻃﻼﻋﺎﺗﻲ ﻧﺸﺎن داده ﺷﺪه در ﺳﺘﻮن راﻫﻨﻤـﺎي ﻧﻘـﺸﻪ‪ ،‬ﺷـﻜﻞ و ﻳـﺎ راﻫﻨﻤـﺎي‬
‫ﻃﺒﻘﻪﺑﻨﺪي اﺷﻴﺎء ﻫﺮ ﻻﻳﻪ را ﺑﻪﻃﻮر ﻣﺠﺰا ﻧﺸﺎن ﻣﻲدﻫﻨﺪ‪ .‬راﻫﻨﻤﺎي ﻃﺒﻘﻪﺑﻨﺪي اﺷـﻴﺎء ﺷـﺎﻣﻞ‬
‫ﺷﻜﻞ‪ ،‬رﻧﮓ‪ ،‬اﻧﺪازه و در ﻣﻮاردي ﺷﺮح ﻫﺮ ﻋﻀﻮ ﻣﻲﺑﺎﺷﺪ‪ .‬از آﻧﺠﺎﻳﻲ ﻛﻪ ﻻﻳﻪﻫـﺎي ﻧـﺸﺎن‬
‫داده ﺷﺪه از ﻧﻈﺮ ﻫﻨﺪﺳﻲ ﻣﻲﺗﻮاﻧﻨﺪ در ﻳﻜﻲ از ﺳﻪ ﺣﺎﻟـﺖ ﻧﻘﻄـﻪ‪ ،‬ﺧـﻂ و ﻳـﺎ ﭼﻨﺪﺿـﻠﻌﻲ‬
‫ﺑﺎﺷﻨﺪ‪ ،‬ﻟﺬا ﻧﻮع راﻫﻨﻤﺎي اراﻳﻪ ﺷﺪه ﺑﺮاي ﻫﺮ ﻛﺪام ﻧﻴﺰ ﻣﺘﻐﻴﺮ و ﻣﺘﻨﺎﺳﺐ ﺑﺎ ﻫﻨﺪﺳـﺔ ﻣﺮﺑﻮﻃـﻪ‬
‫ﺧﻮاﻫﺪ ﺑﻮد‪ .‬ﻣﺜﻼً اﻳﺴﺘﮕﺎﻫﻬﺎي اﻧﺪازهﮔﻴﺮي ‪ Topex‬از ﻧﻮع ﻧﻘﻄﻪ ﻣﻲﺑﺎﺷﻨﺪ و راﻫﻨﻤـﺎي آﻧﻬـﺎ‬
‫ﺷﺎﻣﻞ ﺷﻜﻞ )داﻳﺮه‪ ،‬ﻣﺜﻠﺚ‪ ،‬ﻣﺮﺑﻊ و‪ ،(.. .‬اﻧﺪازه و رﻧﮓ آﻧﻬﺎ ﻣﻲﺑﺎﺷﺪ‪ ،‬در ﺣـﺎﻟﻲ ﻛـﻪ ﺷـﻜﻞ‬
‫'(‬ ‫)‪(IWA‬‬ ‫ *) ‪
 ,-.0 1  2+* /‬‬

‫درﻳﺎي ﺧﺰر از ﻧﻮع ﭼﻨﺪﺿﻠﻌﻲ ﻣﻲﺑﺎﺷﺪ و راﻫﻨﻤﺎي آن ﺷﺎﻣﻞ ﻧﻮع رﻧﮓ ﭼﻨﺪﺿﻠﻌﻲ‪ ،‬رﻧـﮓ‬
‫ﺧﻂ ﺣﺎﺷﻴﻪ‪ ،‬ﺿﺨﺎﻣﺖ ﺧﻂ ﺣﺎﺷﻴﻪ و اﻟﮕﻮي ﭘﺮﺷﺪﮔﻲ ﭼﻨﺪﺿﻠﻌﻲ ﻣـﻲﺑﺎﺷـﺪ‪ .‬ﻧـﻮع دﻳﮕـﺮ‬
‫ﻃﺒﻘﻪ ﺑﻨﺪي اﺷﻴﺎ‪ ،‬ﻧﺴﺒﺖ دادن ﺧﺼﻮﺻﻴﺎت ﻇـﺎﻫﺮي ﻣﺨﺘﻠـﻒ ﺑـﻪ ردهﻫـﺎي ﻣﺘﻔـﺎوت اﺷـﻴﺎ‬
‫ﻣﻲﺑﺎﺷﺪ‪ .‬ﺑﻪ ﻛﻤﻚ اﻳﻦ ﻧﻮع ﻃﺒﻘﻪﺑﻨﺪي ـ ﻛﻪ اﺻﻄﻼﺣﺎً ﻃﺒﻘـﻪﺑﻨـﺪي ﻣﻨﺤـﺼﺮ ﺑـﻪ ﻓـﺮد و ﻳـﺎ‬
‫ﻃﺒﻘﻪﺑﻨﺪي ردهاي ﻧﺎﻣﻴﺪه ﻣﻲﺷﻮد ـ ﻣﻲﺗﻮان ﺑﻪ ﻫﺮ ﻳﻚ از ﻣﻘﺎدﻳﺮ وﻳﮋه و ﻳﺎ ﻫﺮ رده دﻟﺨـﻮاه‬
‫ﻛــﻪ ﺗﻮﺳــﻂ دو ﻋــﻀﻮ اﻧﺘﻬــﺎﻳﻲ آن ﻣــﺸﺨﺺ ﻣــﻲﺷــﻮد ﻳــﻚ رﻧــﮓ ﺧــﺎص ﻧــﺴﺒﺖ داد‪.‬‬
‫ﺧﺼﻮﺻﻴﺎﺗﻲ ﻛﻪ ﺑﺮ ﺣﺴﺐ آﻧﻬﺎ ﻣﻲﺗﻮان ﻃﺒﻘﻪﺑﻨﺪي را اﻧﺠﺎم داد‪ ،‬در ﺷﻜﻠﻬﺎي ‪9‬ــ‪ 6‬و ‪9‬ــ‪7‬‬
‫ﻧﺸﺎن داده ﺷﺪه اﺳﺖ‪.‬‬

‫ﺷﻜﻞ ‪9‬ـ‪6‬ـ روش ﺗﻐﻴﻴﺮ ﺷﻜﻞ ﻇﺎﻫﺮي اﺷﻴﺎء ﻻﻳﻪﻫﺎي اﻃﻼﻋﺎﺗﻲ‬

‫
"!     ‬ ‫('(‬

‫ﺷﻜﻞ ‪9‬ـ‪7‬ـ روﺷﻬﺎي ﻃﺒﻘﻪﺑﻨﺪي اﺷﻴﺎء ﻣﻮﺟﻮد در ﻻﻳﻪﻫﺎي اﻃﻼﻋﺎﺗﻲ ﺑﺮ ﺣﺴﺐ ﻣﻘﺎدﻳﺮ ﻣﺸﺨﺺ ﻳﻚ ﻓﻴﻠﺪ‬
‫ﺧﺎص و ﻳﺎ ﺗﻌﻴﻴﻦ ﻳﻚ ردهﺑﻨﺪي ﺑﺮاي ﻳﻚ ﻓﻴﻠﺪ ﻋﺪدي‬
‫'(‬ ‫)‪(IWA‬‬ ‫ *) ‪
 ,-.0 1  2+* /‬‬

‫اوﻟﻴﻦ ﺳﺮي از اﺑﺰارﻫﺎي آﻧﺎﻟﻴﺰ دادهﻫﺎ‪ ،‬اﺑﺰارﻫـﺎي ﭘـﺮدازش آﻣـﺎري اﺳـﺖ‪ .‬ﺑـﺮاي ﭘـﺮدازش‬
‫دادهﻫﺎ اﺑﺘﺪا ﻻزم اﺳﺖ اﺷﻴﺎي روي ﻧﻘﺸﻪ از ﻳﻜﻲ از ﻻﻳﻪﻫﺎي اﻃﻼﻋﺎﺗﻲ اﻧﺘﺨـﺎب ﺷـﻮﻧﺪ و ﭘـﺲ‬
‫از اﻧﺘﺨﺎب ﺻﻔﺤﻪ آﻧﺎﻟﻴﺰ آﻣﺎري‪ ،‬دادهﻫﺎ اﺣﻀﺎر ﻣﻲﺷـﻮﻧﺪ‪ .‬اﻧﺘﺨـﺎب اﺷـﻴﺎء ﻣـﻲﺗﻮاﻧـﺪ ﺑـﺼﻮرت‬
‫ﻧﻘﻄﻪاي و ﺗﻜﻲ و ﻳﺎ ﺑﻪ ﺻﻮرت ﮔﺮوﻫﻲ و ﺑﺎ رﺳﻢ ﻣﺴﺘﻄﻴﻞ‪ ،‬داﻳﺮه‪ ،‬ﭼﻨﺪﺿﻠﻌﻲ‪ ،‬ﻳﻚ ﻣﺴﻴﺮ وﻳـﮋه‬
‫)ﺻﺮﻓﺎً در ﻣﻮرد ﻻﻳﻪ اﻃﻼﻋﺎﺗﻲ ‪ (Topex‬و ﻳﺎ ﻳﻚ ﺟﺴﺘﺠﻮي ﻣﻨﻄﻘﻲ اﻧﺠﺎم ﺷﻮد )ﺷـﻜﻞ ‪9‬ــ‪.(8‬‬
‫در اﻧﺘﺨﺎب ﻧﻘﻄﻪاي‪ ،‬ﭼﻨﺎﻧﭽﻪ ﻛﺎرﺑﺮ ﺑﺨﻮاﻫﺪ ﭼﻨﺪﻳﻦ ﻧﻘﻄﻪ را اﻧﺘﺨﺎب ﻧﻤﺎﻳـﺪ ﺑـﺎ ﻓـﺸﺮدن ﺣـﺮف‬
‫"‪ "C‬ﻣﻲﺗﻮاﻧﺪ ﮔﺮوﻫﻲ از ﻧﻘﺎط را اﻧﺘﺨﺎب ﻧﻤﺎﻳﺪ‪ .‬ﺑﺮاي اﻧﺼﺮاف از اﻳﻦ ﺣﺎﻟﺖ ﻣﺠﺪداً ﺑﺎ ﻓـﺸﺮدن‬
‫ﺣﺮف "‪ "C‬ﺑﺮﻧﺎﻣﻪ ﺑﻪ ﺣﺎﻟﺖ اﻧﺘﺨﺎب ﺗﻚﻧﻘﻄﻪاي ﺑﺮ ﻣﻲﮔﺮدد‪ .‬در زﻣﺎﻧﻲ ﻛﻪ اﻧﺘﺨﺎب ﻧﻘﻄـﻪاي در‬
‫ﺣﺎﻟﺖ ﮔﺮوﻫﻲ ﺑﺎﺷﺪ‪ ،‬ﭘﻴﻐﺎم "‪ "Cumulative Selection‬در زﻳﺮ ﺻﻔﺤﻪ ﻧﻤﺎﻳﺶ ﻇـﺎﻫﺮ ﻣـﻲﮔـﺮدد‪.‬‬
‫ﭘﺲ از اﻧﺘﺨﺎب‪ ،‬اﺷﻴﺎء اﻧﺘﺨﺎب ﺷﺪه ﺑﻪ رﻧﮓ زرد ﻛﻢرﻧﮓ ﻣﺸﺨﺺ ﻣﻲﺷﻮﻧﺪ‪.‬‬

‫ﺷﻜﻞ ‪9‬ـ‪8‬ـ روﺷﻬﺎي اﻧﺘﺨﺎب اﺷﻴﺎء از ﻻﻳﻪﻫﺎي اﻃﻼﻋﺎﺗﻲ و دﻳﮕﺮ اﺑﺰارﻫﺎي ﻣﻮرد ﻧﻴﺎز ﭘﺮدازش آﻣﺎري دادهﻫﺎ‬

‫ﭘﺲ از اﻧﺘﺨﺎب اﺷﻴﺎ‪ ،‬ﺑﺮاي ﭘﺮدازش آﻣﺎري دادهﻫﺎ‪ ،‬ﺻـﻔﺤﺔ آﻧـﺎﻟﻴﺰ آﻣـﺎري ﺑـﺎ اﻧﺘﺨـﺎب‬
‫ﮔﺰﻳﻨﺔ ﻣﺮﺑﻮﻃﻪ اﺣﻀﺎر ﻣﻲﺷﻮد‪ .‬ﭘﺲ از آن‪ ،‬دادهﻫﺎ وارد ﭘﺎﻳﮕﺎه آﻧﺎﻟﻴﺰ آﻣﺎري دادهﻫﺎ ﺷـﺪه و‬
‫
"!     ‬ ‫'(‬

‫ﻣﻲﺗﻮان ﻣﺮاﺣﻞ ﻣﺨﺘﻠﻒ آﻧﺎﻟﻴﺰ آﻣﺎري را اﻧﺠﺎم داد‪ .‬آﻧﺎﻟﻴﺰ آﻣﺎري ﺷﺎﻣﻞ ﭘﺮدازﺷـﻬﺎي آﻣـﺎري‬
‫و رﺳﻢ ﻧﻤﻮدارﻫﺎي ﻣﺮﺑﻮﻃﻪ‪ ،‬ﺗﺮﺳﻴﻢ ﻧﻤﻮدارﻫﺎي ﺳﺮي زﻣﺎﻧﻲ و رﺳﻢ ﻧﻤﻮدارﻫـﺎي ﺑـﺮداري‬
‫ﻣﻲﺑﺎﺷﺪ ﻛﻪ در اداﻣﻪ ﻫﺮ ﻛﺪام ﺷﺮح داده ﺧﻮاﻫﻨﺪ ﺷﺪ‪.‬‬
‫اوﻟﻴﻦ اﺑﺰار ﭘﺮدازش آﻣﺎري دادهﻫﺎ‪ ،‬آﻧﺎﻟﻴﺰ آﻣﺎري اﺳﺖ‪ .‬در ﺷـﻜﻞ ‪9‬ــ‪ 9‬ﺻـﻔﺤﻪ آﻧـﺎﻟﻴﺰ‬
‫آﻣﺎري و اﺑﺰارﻫﺎي ﻣﺮﺑﻮﻃﻪ ﻧﺸﺎن داده ﺷﺪه اﺳﺖ‪.‬‬

‫ﺷﻜﻞ ‪9‬ـ‪9‬ـ ﺻﻔﺤﻪ ﻧﻤﺎﻳﺶ آﻧﺎﻟﻴﺰ آﻣﺎري و اﺑﺰارﻫﺎ و ﻣﺤﺪودهﻫﺎي ﺗﺮﺳﻴﻢ ﻧﻤﻮدار و ﺟﺪول دادهﻫﺎ‬

‫ﺗﺮﺳﻴﻢ ﻧﻤﻮدار ﻣﻲﺗﻮاﻧﺪ ﺑﺮاي ﻳﻚ اﻳﺴﺘﮕﺎه و ﻳﺎ ﮔﺮوﻫﻲ از اﻳﺴﺘﮕﺎهﻫﺎي اﻧﺘﺨـﺎب ﺷـﺪه‬

‫اﻧﺠﺎم ﺷﻮد‪ .‬دادهﻫﺎي ﻣﺮﺑﻮط ﺑﻪ ﻫﺮﻳﻚ از اﻳﺴﺘﮕﺎهﻫﺎي اﻧﺘﺨـﺎب ﺷـﺪه در ﺟـﺪول ﻣﺮﺑﻮﻃـﻪ‬
‫ﻧﺸﺎن داده ﻣﻲﺷﻮد‪ .‬در ﭘﺎﻳﻴﻦ ﺟﺪول دادهﻫﺎ‪ ،‬ﺟﺪوﻟﻲ از اﻃﻼﻋﺎت آﻣﺎري دادهﻫـﺎي ﺗﺮﺳـﻴﻢ‬
‫ﺷﺪه ﻧﺸﺎن داده ﻣﻲﺷﻮد‪ .‬آﻧﺎﻟﻴﺰ آﻣﺎري ﻣﻲﺗﻮاﻧﺪ ﺑﺮاي ﻫﺮﻳﻚ از ﭘﺎراﻣﺘﺮﻫﺎي ﻣﻮﺟـﻮد اﻧﺠـﺎم‬
‫ﺷﻮد‪ .‬ﭘﺎراﻣﺘﺮ ﻣﻮرد ﻧﻈﺮ را ﻣﻲﺗﻮان از ﻟﻴﺴﺖ ﭘﺎراﻣﺘﺮﻫﺎ اﻧﺘﺨﺎب ﻧﻤـﻮد‪ .‬ﻧـﻮع ﻧﻤـﻮدار ﻧﻴـﺰ از‬
‫'(‬ ‫)‪(IWA‬‬ ‫ *) ‪
 ,-.0 1  2+* /‬‬

‫ﻟﻴﺴﺖ ﻣﺮﺑﻮﻃﻪ اﻧﺘﺨﺎب ﻣﻲﺷﻮد‪ .‬اﻧﻮاع ﻧﻤﻮدارﻫﺎي آﻣﺎري ﻋﺒﺎرﺗﻨـﺪ از‪ :‬ﻓﺮاواﻧـﻲ )درﺻـﺪ و‬
‫ﺗﻌﺪاد(‪ ،‬ﭼﮕﺎﻟﻲ اﺣﺘﻤﺎل‪ ،‬ﻧﻤﻮدارﻫﺎي اﺣﺘﻤﺎل وﻗﻮع و ﻋﺪم وﻗـﻮع‪ ،‬ﻣﻴـﺎﻧﮕﻴﻦﻫـﺎي روزاﻧـﻪ‪،‬‬
‫ﻣﺎﻫﺎﻧﻪ‪ ،‬ﻓﺼﻠﻲ و ﻧﻴﺰ ﻣﻴﺎﻧﮕﻴﻦﻫﺎي ﺗﺠﻤﻌﻲ ﻣﺮﺑﻮﻃﻪ‪.‬‬
‫ﻧﻤﻮدارﻫﺎي ﺳﺮي زﻣﺎﻧﻲ ﺑﺮاي ﻫﺮ ﻛﺪام از ﭘﺎراﻣﺘﺮﻫﺎي اﻧﺪازهﮔﻴﺮي ﺷﺪه ﺗﺮﺳﻴﻢ ﻣﻲﺷﻮد‪.‬‬
‫ﺗﺮﺳﻴﻢ ﻧﻤﻮدارﻫﺎ ﺑﺮاي دادهﻫـﺎي ﺟﻤـﻊآوريﺷـﺪه‪ ،‬ﻣﻴـﺎﻧﮕﻴﻦ ﺳـﺎﻋﺘﻲ‪ ،‬ﻣﻴـﺎﻧﮕﻴﻦ روزاﻧـﻪ و‬
‫ﻣﻴﺎﻧﮕﻴﻦ ﻣﺎﻫﺎﻧﻪ اﻧﺠﺎم ﻣﻲﺷﻮد‪ .‬ﻣﺤﻮر ‪ X‬ﻧﻤﻮدارﻫﺎ ﻣﻲﺗﻮاﻧﺪ ﺑﺮ ﺣﺴﺐ ﺗﻌﺪاد و ﺷـﻤﺎره روز‬
‫ﺑﺪون در ﻧﻈﺮ ﮔﺮﻓﺘﻦ ﻓﻮاﺻﻞ واﻗﻌﻲ روزﻫﺎ و ﻳﺎ ﺑﺼﻮرت ﺗﺎرﻳﺦ و ﻓﻮاﺻﻞ واﻗﻌﻲ‪ 1‬ﻧﻤـﺎﻳﺶ‬
‫داده ﺷﻮد‪ .‬در ﺷﻜﻞ ‪9‬ـ‪ 10‬ﺻﻔﺤﻪ ﻧﻤﻮدارﻫﺎي ﺳﺮي زﻣﺎﻧﻲ ﻧﺸﺎن داده ﺷﺪه اﺳﺖ‪.‬‬

‫ﺷﻜﻞ ‪9‬ـ‪10‬ـ ﺻﻔﺤﻪ ﺗﺮﺳﻴﻢ ﻧﻤﻮدارﻫﺎي ﺳﺮي زﻣﺎﻧﻲ‬

‫‪1. Julian Day‬‬

‫
"!     ‬ ‫‪('#‬‬

‫‪ :1*+), +-.$‬ﺑﺎ اﻧﺘﺨﺎب اﻳﻦ ﮔﺰﻳﻨﻪ ﺻﻔﺤﻪ ﺗﻨﻈﻴﻤﺎت ﻧﻤﻮدارﻫﺎ ﻇﺎﻫﺮ ﻣـﻲﺷـﻮد‪.‬‬
‫اﻳﻦ ﺗﻨﻈﻴﻤﺎت ﺷﺎﻣﻞ ﺧﺼﻮﺻﻴﺎت ﻇـﺎﻫﺮي ﻧﻤﻮدارﻫـﺎ ﻣـﻲﺑﺎﺷـﺪ‪ .‬در ﺷـﻜﻞ ‪9‬ــ‪11‬‬
‫ﺻﻔﺤﻪ ﺗﻨﻈﻴﻢ ﺧﺼﻮﺻﻴﺎت ﻧﻤﻮدارﻫﺎ ﻧﺸﺎن داده ﺷﺪه اﺳﺖ‪.‬‬

‫ﺷﻜﻞ ‪9‬ـ‪11‬ـ ﺻﻔﺤﻪ ﺗﻨﻈﻴﻢ ﻧﻤﻮدارﻫﺎي ﺳﺮي زﻣﺎﻧﻲ‬

‫ﺑﻘﻴﻪ ﻣﻮارد ﻣﻨﻮي ﺗﻨﻈﻴﻢ ﻧﻤﻮدارﻫﺎي ﺳﺮي زﻣﺎﻧﻲ ﻣﻮارد ﻋﻤـﻮﻣﻲﻫـﺴﺘﻨﺪ و در اداﻣـﻪ در‬
‫ﻣﻮرد ﻛﻠﻴﻪ ﻧﻤﻮدارﻫﺎي آﻣﺎري ﺷﺮح داده ﻣﻲﺷﻮﻧﺪ‪.‬‬
‫آﻧﺎﻟﻴﺰ ﺑﺮداري دادهﻫﺎ ﺑﺮ روي دادهﻫﺎي ﺟﻬﺖدار ﻣﺎﻧﻨﺪ ﻣﻮج و ﺑﺎد ﻗﺎﺑﻞ اﻧﺠـﺎم اﺳـﺖ و‬
‫ﺑﻮﺳﻴﻠﺔ آن دو ﻧﻮع ﻧﻤﻮدار ﮔﻠﻮاره را ﻣﻲﺗﻮان ﺗﺮﺳﻴﻢ ﻛﺮد‪ .‬ﻧﻮع ﻫﺮ ﻛﺪام از اﻳﻦ ﻧﻤﻮدارﻫـﺎ و‬
‫ﭘﺎراﻣﺘﺮ ﺗﺼﻮﻳﺮ ﺷﺪه در ﻣﻨﻮي ﺑﺎﻻي ﺻﻔﺤﻪ اﻧﺘﺨﺎب ﻣﻲﺷﻮﻧﺪ )ﺷﻜﻞ ‪9‬ـ‪.(12‬‬

‫‪1. Chart Graphics‬‬

‫‪('$‬‬ ‫)‪(IWA‬‬ ‫ *) ‪
 ,-.0 1  2+* /‬‬

‫ﺷﻜﻞ ‪9‬ـ‪12‬ـ ﺻﻔﺤﻪ ﻧﻤﺎﻳﺶ ﮔﻠﻮاره ﺑﺮاي دادهﻫﺎي ﺟﻬﺖدار‬

‫ﻛﺎرﺑﺮ ﺑﺎ دو ﺑﺎر ﻛﻠﻴﻚ ﻛﺮدن ﺑﺮ روي ﻧﻤﻮدارﻫﺎي ﮔﻠﻮاره ﻣﻲﺗﻮاﻧـﺪ ﺧـﺼﻮﺻﻴﺎت ﻣـﻮرد‬
‫ﻧﻈﺮ را ﺗﻨﻈﻴﻢ ﻧﻤﺎﻳﺪ‪ .‬اﻳﻦ ﺗﻨﻈﻴﻤﺎت ﺷﺎﻣﻞ ﺗﻌﺪاد ردهﻫﺎي دادهﻫﺎ‪ ،‬ﻣﺤﺪوده ﻫﺮ رده‪ ،‬رﻧﮓ ﻫﺮ‬
‫رده‪ ،‬ﺧﺼﻮﺻﻴﺎت ﻇﺎﻫﺮي ﻧﻤﻮدار‪ ،‬ﺗﻌﺪاد ﺟﻬﺖ ﻗﺎﺑﻞ ﺗﺮﺳﻴﻢ ﻧﻤﻮدار‪ ،‬ﻧﻮع ﻧﻤﻮدار و ﻋﻨـﻮان‬
‫ﻧﻤﻮدار ﻣﻲﺑﺎﺷﺪ‪ .‬رﻧﮓ ردهﻫﺎ را ﻣﻲﺗﻮان ﺑﻪ ﺻﻮرت ﺟﺪاﮔﺎﻧﻪ و ﻳﺎ ﺑـﻪﺻـﻮرت ﻳـﻚ ﻃﻴـﻒ‬
‫رﻧﮓ ﺑﻴﻦ دو رﻧﮓ دﻟﺨﻮاه اﻧﺘﺨﺎب ﻧﻤﻮد‪ .‬ﺗﻌﺪاد ردهﻫـﺎ ﺗﻮﺳـﻂ ﻛـﺎرﺑﺮ ﺗﻌﻴـﻴﻦ ﻣـﻲﺷـﻮد و‬
‫ﺑﻪﺻﻮرت اﺗﻮﻣﺎﺗﻴﻚ ﺑﺎ ﻓﻮاﺻﻞ ﻳﻚ واﺣﺪ ﻧﻴﺰ ﻗﺎﺑﻞ ﺗﻨﻈﻴﻢ اﺳﺖ‪ .‬ﮔﻠﻮارهﻫﺎ را ﻣﻲﺗﻮان در دو‬
‫ﻧــﻮع اﺳــﺘﺎﻧﺪارد )ﺗﻠــﺴﻜﻮﭘﻲ( و ﻗﻄــﺎﻋﻲ و در ﻳﻜــﻲ از ﺣﺎﻟﺘﻬــﺎي ‪ 16 ،8‬و ‪24‬ﺟﻬﺘــﻪ‬
‫ﺗﺮﺳﻴﻢ ﻧﻤﻮد‪ .‬در ﺷﻜﻞ ‪9‬ـ‪ 13‬ﺻﻔﺤﻪ ﻧﻤﺎﻳﺶ ﺗﻨﻈﻴﻤﺎت ﻧﻤﻮدارﻫﺎي ﮔﻠﻮاره ﻧﺸﺎن داده ﺷـﺪه‬
‫اﺳﺖ‪.‬‬
‫
"!     ‬ ‫‪('%‬‬

‫ﺷﻜﻞ ‪9‬ـ‪13‬ـ ﺻﻔﺤﻪ ﺗﻨﻈﻴﻢ ﮔﻠﻮاره‬

‫در ﻛﻠﻴﻪ ﻧﻤﻮدارﻫﺎي آﻣﺎري ذﻛﺮ ﺷﺪه‪ ،‬ﻣﺤﺪوده زﻣﺎﻧﻲ ﺗﺮﺳﻴﻢ دادهﻫﺎ ﻗﺎﺑﻞ ﺗﻨﻈﻴﻢ اﺳـﺖ‪.‬‬
‫ﻛﺎرﺑﺮ ﻣﻲﺗﻮاﻧﺪ ﻣﺤﺪوده زﻣﺎﻧﻲ را ﺑﺮ ﺣﺴﺐ ﻣـﺎه‪ ،‬روز و ﺳـﺎل ﺗﻨﻈـﻴﻢ ﻛـﺮده و ﻳـﺎ ﻧﻤـﻮدار‬
‫ﻣﺮﺑﻮط ﺑﻪ ﻣﺎﻫﻬﺎي ﺑﻪ ﺧـﺼﻮﺻﻲ را از ﻛـﻞ ﻣﺤـﺪوده زﻣـﺎﻧﻲ ﻣـﻮرد ﻧﻈـﺮ اﺳـﺘﺨﺮاج ﻛﻨـﺪ‪.‬‬
‫ﻣﺤﺪوده زﻣﺎﻧﻲ ﺗﻨﻈﻴﻢﺷﺪه‪ ،‬ﺑﻪ ﻋﻨﻮان ﭘﻴﺶﻓـﺮض ﺑـﺮاي ﺗﻤـﺎﻣﻲﻧﻤﻮدارﻫـﺎ در ﻧﻈـﺮ ﮔﺮﻓﺘـﻪ‬
‫ﻣﻲﺷﻮد ﺗﺎ اﻳﻨﻜﻪ ﻛﺎرﺑﺮ ﻣﺠﺪداً آن را ﺗﻐﻴﻴﺮ دﻫﺪ‪ .‬در ﺷﻜﻞ ‪9‬ــ‪ 14‬ﺻـﻔﺤﻪ ﺗﻨﻈـﻴﻢ ﻣﺤـﺪوده‬
‫زﻣﺎﻧﻲ ﻧﺸﺎن داده ﺷﺪه اﺳﺖ‪.‬‬
‫&'(‬ ‫)‪(IWA‬‬ ‫ *) ‪
 ,-.0 1  2+* /‬‬

‫ﺷﻜﻞ ‪9‬ـ‪14‬ـ ﺻﻔﺤﻪ ﺗﻨﻈﻴﻢ ﻣﺤﺪوده زﻣﺎﻧﻲ ﺑﺮاي ﺗﺮﺳﻴﻢ ﻧﻤﻮدار و آﻧﺎﻟﻴﺰ آﻣﺎري دادهﻫﺎ‬

‫‪9‬ـ‪2‬ـ‪3‬ـ‪4‬ـ ﭼﻨﺪ ﻧﻤﻮﻧﻪ از ﺧﺮوﺟﻲﻫﺎي ﻧﺮماﻓﺰار ‪IWA‬‬

‫ﻳﻜﻲ از ﻗﺎﺑﻠﻴﺘﻬﺎي ﻧﺮماﻓﺰار ‪ ،IWA‬ﺗﻮاﻧﺎﻳﻲ درﻳﺎﻓﺖ ﻻﻳﻪﻫﺎي اﻃﻼﻋﺎﺗﻲ ﺟﺪﻳﺪ ﻣـﻲﺑﺎﺷـﺪ‪.‬‬

‫‪ArcView ،DXF ،DWG ،ArcView‬‬ ‫ﻓﺮﻣﺘﻬﺎي ﻗﺎﺑﻞ ﻗﺒﻮل ﺑﺮاي ﻧـﺮماﻓـﺰار‪Shape file ،‬ﻫـﺎي‬
‫‪ (Grid‬و ﺗﺼﺎوﻳﺮ رﺳﺘﺮ ژﺋﻮرﻓﺮاﻧﺲ ﺷﺪه ﻣﻲﺑﺎﺷﻨﺪ‪ .‬در اﺷﻜﺎل ‪9‬ـ‪ 15‬ﺗﺎ ‪9‬ـ‪17‬‬ ‫‪File (hdr.adf‬‬

‫ﻧﻤﻮﻧﺔ ﻓﺎﻳﻠﻬﺎي اﺿﺎﻓﻪ ﺷﺪه در ﻣﺤﻴﻂ اوﻟﻴﻪ ﺑﺮﻧﺎﻣﻪ ﻧﺸﺎن داده ﺷﺪه اﺳﺖ‪.‬‬
‫
"!     ‬ ‫'(‬

‫ﺷﻜﻞ ‪9‬ـ‪15‬ـ ﻻﻳﻪ ﻋﻤﻖﺳﻨﺠﻲ و ارﺗﻔﺎﻋﺎت اﻃﺮاف درﻳﺎي ﺧﺰر ﻛﻪ ﺑﻪ ﻣﺤﻴﻂ اﺻﻠﻲ ﺑﺮﻧﺎﻣﻪ وارد ﺷﺪه اﺳﺖ‪.‬‬
‫ﻓﺮﻣﺖ ﻓﺎﻳﻞ اوﻟﻴﻪ اﻳﻦ ﻻﻳﻪ اﻃﻼﻋﺎﺗﻲ از ﻧﻮع ‪ ArcView Shape‬ﺑﻮده اﺳﺖ‪ .‬در ﺑﺨﺶ راﻫﻨﻤﺎي ﻻﻳﻪﻫﺎ‪،‬‬
‫ﻣﺸﺨﺼﺎت ﻻﻳﻪ ﺟﺪﻳﺪ ﻧﺸﺎن داده ﺷﺪه اﺳﺖ‪.‬‬

‫ﺷﻜﻞ ‪9‬ـ‪16‬ـ ﻻﻳﻪ ﻫﻴﭙﺴﻮﻣﺘﺮي ارﺗﻔﺎﻋﺎت اﻃﺮاف درﻳﺎي ﺧﺰر ﻛﻪ ﺑﻪ ﻣﺤﻴﻂ اﺻﻠﻲ ﺑﺮﻧﺎﻣﻪ وارد ﺷﺪه اﺳﺖ‪.‬‬
‫ﻓﺮﻣﺖ ﻓﺎﻳﻞ اوﻟﻴﻪ اﻳﻦ ﻻﻳﻪ اﻃﻼﻋﺎﺗﻲ از ﻧﻮع ‪ ArcView Grid‬ﻣﻲﺑﺎﺷﺪ‪ .‬در ﺑﺨﺶ راﻫﻨﻤﺎي ﻻﻳﻪﻫﺎ‪،‬‬
‫ﻣﺸﺨﺼﺎت ﻻﻳﻪ ﺟﺪﻳﺪ ﻧﺸﺎن داده ﺷﺪه اﺳﺖ‪.‬‬
‫(‬ ‫)‪(IWA‬‬ ‫ *) ‪
 ,-.0 1  2+* /‬‬

‫ﺷﻜﻞ ‪9‬ـ‪20‬ـ ﮔﻠﺒﺎد اﻳﺴﺘﮕﺎه ﺳﻴﻨﻮﭘﺘﻴﻚ ﺑﺎﺑﻠﺴﺮ )ﻧﻮع ﻫﺸﺖ ﺟﻬﺘﺔ اﺳﺘﺎﻧﺪارد( از ﺗﺎرﻳﺦ ‪ 2000/1/1‬ﺗﺎ‬
‫‪2000/12/30‬‬
‫
"!     ‬ ‫(‬

‫ﺷﻜﻞ ‪9‬ـ‪21‬ـ ﮔﻠﺒﺎد اﻳﺴﺘﮕﺎه ﺳﻴﻨﻮﭘﺘﻴﻚ ﺑﺎﺑﻠﺴﺮ )از ﻧﻮع ﻫﺸﺖ ﺟﻬﺘﺔ ﻗﻄﺎﻋﻲ( از ﺗﺎرﻳﺦ ‪ 2000/1/1‬ﺗﺎ‬
‫‪2000/12/30‬‬
( (IWA) 
 ,-.0 1  2+* / )* 

‫ ﺗﺎ‬2000/1/1 ‫ـ ﮔﻠﺒﺎد اﻳﺴﺘﮕﺎه ﺳﻴﻨﻮﭘﺘﻴﻚ ﺑﺎﺑﻠﺴﺮ )ﻧﻮع ﺑﻴﺴﺖ و ﭼﻬﺎر ﺟﻬﺘﺔ اﺳﺘﺎﻧﺪارد( از ﺗﺎرﻳﺦ‬22‫ـ‬9 ‫ﺷﻜﻞ‬
2000/12/30

‫ـ ﻣﺮاﺟﻊ‬3‫ـ‬9
1376 ،‫ اﻧﺘﺸﺎرات ﺑﻬﻴﻨﻪ‬،‫ ﺗﺮﺟﻤﺔﻫﺎﺷﻤﻲو ﻓﺮﺳﺎﻳﻲ‬.1997 ،«‫ »ﺳﺎﺧﺘﻤﺎن دادهﻫﺎ‬،‫ ﺳﻴﻤﻮر‬،‫ ﻟﻴﺒﺸﻮﺗﺰ‬.1
2. Walsh, S. J., D. R. Lightford, and D. R. Butler, “Recognition and Assessment of Errors in
Geographical Information Systems”. Journal of Photogrametric Engineering and Remote
Sensing, Vol. 15, pp. 1423-1430
3. World Wave Atlas User’s Manual”, Version 2, Oceanor, July 1999
‫‬ ‫  ‪
      /‬‬

‫ﻓﺼﻞ دﻫﻢ‬

‫اراﺋﻪ ﻧﺘﺎﻳﺞ در ﻧﻘﺎط ﺧﺎص‬

‫‪10‬ـ‪1‬ـ ﻣﻘﺪﻣﻪ‬
‫در اﻳﻦ ﻓﺼﻞ ﻧﺘﺎﻳﺞ ﺣﺎﺻﻞ از اﺟﺮاي درازﻣﺪت ﻣﺪل ﺑﺮاي ﺑﻌﻀﻲ از ﻧﻘﺎط ﺧﺎص و ﺑﺎ‬
‫ﺟﺰﺋﻴﺎت ﺑﻴﺸﺘﺮ ﻧﺴﺒﺖ ﺑﻪ آﻧﭽﻪ در ﻓﺼﻞ ﺷﺸﻢ اراﺋﻪ ﺷﺪ‪ ،‬آورده ﺷﺪه اﺳﺖ‪ .‬ﺑﺮ اﺳﺎس آﻧﭽﻪ‬
‫ﻗﺒﻼً ﻣﻮرد اﺷﺎره ﻗﺮار ﮔﺮﻓﺖ‪ ،‬ﺗﻤﺮﻛﺰ اﺻﻠﻲ در ﻣﺪﻟﺴﺎزي اﻣﻮاج در درﻳﺎي ﺧﺰر ﻣﺮﺑﻮط ﺑﻪ‬
‫ﺑﺨﺸﻬﺎي ﺟﻨﻮﺑﻲ ﺑﻮﻳﮋه آبﻫﺎي اﻳﺮان ﺑﻮده ﻛﻪ ﻧﺘﺎﻳﺞ ﻣﺮﺑﻮط ﺑﻪ آﻧﻬﺎ ﺑﺎ ﻓﻮاﺻﻞ ﮔﺮﻫﻲ ﻛﻤﺘﺮ‬
‫از ﻧﻮاﺣﻲ ﺷﻤﺎﻟﻲ اراﺋﻪ ﺷﺪه اﺳﺖ‪ .‬ﻋﻼوه ﺑﺮ اﻳﻦ ﻣﻮارد ﻋﻤﻮﻣﻲ‪ ،‬ﺗﻌﺪادي از ﻧﻘﺎط و ﻣﻨﺎﻃﻖ‬
‫ﺧﺎص ﻧﻴﺰ وﺟﻮد دارﻧﺪ ﻛﻪ ﺑﻨﺎ ﺑﻪ دﻻﻳﻠﻲ اﻃﻼﻋﺎت اﻣﻮاج ﻣﺮﺑﻮط ﺑﻪ آﻧﻬﺎ داراي اﻫﻤﻴﺖ‬
‫ﺑﻮده و ﻧﻴﺎز ﺑﻪ ﺗﻮﺟﻪ وﻳﮋهاي در اراﺋﻪ ﻧﺘﺎﻳﺞ دارﻧﺪ‪.‬‬

‫‪10‬ـ‪2‬ـ ﻣﺸﺨﺼﺎت و ﻣﻮﻗﻌﻴﺖ ﻧﻘﺎط ﺧﺎص‬

‫ﻣﻌﻴﺎر اﺻﻠﻲ در ﻣﻮرد اﻧﺘﺨﺎب ﻧﻘﺎط ﺧﺎص ﺟﻬـﺖ اراﺋـﻪ ﻧﺘـﺎﻳﺞ‪ ،‬اﻫﻤﻴـﺖ آﻧﻬـﺎ از ﻧﻈـﺮ‬
‫ﻓﻌﺎﻟﻴﺖﻫﺎي ﻣﺨﺘﻠﻒ ﺑﻨﺪري ﻣﻲﺑﺎﺷﺪ‪ .‬ﺑﺮ اﻳﻦ اﺳﺎس‪ ،‬در ﺑﻨـﺎدر ﺗﺠـﺎري ﻳـﺎ ﺻـﻴﺎدي ﻣﻬـﻢ‪،‬‬
‫ﻧﺘﺎﻳﺞ ﻣﺪﻟﺴﺎزي و ﺗﺤﻠﻴﻞﻫﺎي آﻣﺎري ﺑﺎ دﻗﺘﻲ ﺑﺎﻻﺗﺮ از ﺳﺎﻳﺮ ﻧﻘﺎط اراﺋﻪ ﺷﺪه اﺳﺖ‪ .‬ﺑﺎ ﺗﻮﺟﻪ‬
‫ﺑﻪ اﻫﻤﻴﺖ ﺑﻨﺎدر اﻧﺰﻟﻲ‪ ،‬اﻣﻴﺮآﺑﺎد و ﻧﻮﺷﻬﺮ از ﻧﻈﺮ ﻓﻌﺎﻟﻴﺘﻬﺎي ﻧﺎوﺑﺮي و ﭘﺮوژهﻫـﺎي ﻣﻬﻨﺪﺳـﻲ‬
‫درﻳﺎﻧﻮردي‪ ،‬ﺳﻌﻲ ﺷﺪه اﺳﺖ ﻧﻘـﺎط ﺧـﺎص درﻳـﺎي ﺧـﺰر در ﻣﺤـﺪودة اﻳـﻦ ﺑﻨـﺎدر و در‬
‫
"!     ‬ ‫‪(%‬‬

‫ﻣﺤﻠﻬﺎي اﺣﺘﻤﺎﻟﻲ داراي اﻫﻤﻴﺖ ﺑﻴﺸﺘﺮ اﻧﺘﺨﺎب ﺷـﻮﻧﺪ‪.‬ﺑـﺎ ﺗﻮﺟـﻪ ﺑـﻪ ﻧـﺼﺐ ﺑﻮﻳـﻪ ﺗﻮﺳـﻂ‬
‫ﺳﺎزﻣﺎن ﺑﻨﺎدر و درﻳﺎﻧﻮردي در ﺑﻨﺎدر اﻧﺰﻟﻲ و اﻣﻴﺮ آﺑﺎد اﻳـﻦ دو ﺑﻨـﺪر‪،‬دو ﻧﻘﻄـﻪ ﻣـﻮرد ﻧﻈـﺮ‬
‫ﺑﺮاي درﻳﺎﻓﺖ اﻃﻼﻋﺎت دراز ﻣﺪت ﻣﻮج ﻣﻲ ﺑﺎﺷﻨﺪ‪.‬‬
‫ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﻳﻨﻜﻪ ﻣﺤﻞ اﺳﺘﻘﺮار ﺑﻮﻳﻪﻫﺎ ﺧﺼﻮﺻﺎً در ﺑﻨـﺪر اﻣﻴـﺮآﺑـﺎد در آب ﻧـﺴﺒﺘﺎً ﻛـﻢ‬
‫ﻋﻤﻖ واﻗﻊ ﺷﺪه اﺳﺖ‪ ،‬ﻋﻼوه ﺑﺮ اراﺋﻪ اﻃﻼﻋﺎت ﺑﺮاي ﻣﻮﻗﻌﻴﺖ ﺑﻮﻳﻪ‪ ،‬ﻳﻚ ﻧﻘﻄﻪ ﻧﻴـﺰ در آب‬
‫ﻛﺎﻣﻼً ﻋﻤﻴﻖ اﻧﺘﺨﺎب و ﻧﺘﺎﻳﺞ ﻣﺪﻟﺴﺎزي ﺑﺮاي آﻧﻬﺎ اراﺋﻪ ﺷﺪه اﺳﺖ‪ .‬ﺷـﻜﻞ ‪10‬ــ‪ 1‬ﻣﻮﻗﻌﻴـﺖ‬
‫ﻧﻘﺎط اﻧﺘﺨﺎﺑﻲ در ﻫﺮ ﻳﻚ از ﺑﻨﺎدر را ﻧﺸﺎن ﻣﻲدﻫﺪ‪ .‬ﻣﻮﻗﻌﻴﺖ ﺟﻐﺮاﻓﻴﺎﻳﻲ دﻗﻴﻖ ﻧﻘﺎط ﻣـﺬﻛﻮر‬
‫و ﻧﻴﺰ ﻣﺸﺨﺼﺎت ﻋﻤﻖ آﻧﻬﺎ در ﺟﺪول ‪10‬ـ‪ 1‬اراﺋﻪ ﺷﺪه اﺳﺖ‪.‬‬

‫ﺷﻜﻞ ‪10‬ـ‪1‬ـ ﻣﻮﻗﻌﻴﺖ ﻧﻘﺎط اﻧﺘﺨﺎﺑﻲ‬

‫&(‬ ‫  ‪30 4*  5 * 16 /‬‬

‫ﺟﺪول ‪10‬ـ‪1‬ـ ﻣﻮﻗﻌﻴﺖ ﺟﻐﺮاﻓﻴﺎﻳﻲ و ﻋﻤﻖ ﻧﻘﺎط اﻧﺘﺨﺎﺑﻲ‬

‫ﻋﺮض ﺟﻐﺮاﻓﻴﺎﻳﻲ‬ ‫ﻃﻮل ﺟﻐﺮاﻓﻴﺎﻳﻲ‬
‫ﻋﻤﻖ آب )ﻣﺘﺮ(‬ ‫ﻣﺤﻞ ﻧﻘﻄﻪ‬
‫)درﺟﻪ(‬ ‫)درﺟﻪ(‬
‫‪25‬‬ ‫‪37/549‬‬ ‫‪49/521‬‬ ‫اﻧﺰﻟﻲ )ﻣﻮﻗﻌﻴﺖ ﺑﻮﻳﻪ(‬
‫‪180‬‬ ‫‪37/618‬‬ ‫‪49/519‬‬ ‫اﻧﺰﻟﻲ )آب ﻋﻤﻴﻖ(‬
‫‪15‬‬ ‫‪36/924‬‬ ‫‪53/411‬‬ ‫اﻣﻴﺮآﺑﺎد)ﻣﻮﻗﻌﻴﺖ ﺑﻮﻳﻪ(‬
‫‪30‬‬ ‫‪37/05‬‬ ‫‪53/399‬‬ ‫اﻣﻴﺮ آﺑﺎد )آب ﻋﻤﻴﻖ(‬
‫‪160‬‬ ‫‪36/750‬‬ ‫‪51/500‬‬ ‫ﻧﻮﺷﻬﺮ‬

‫‪10‬ـ‪3‬ـ ﻣﺸﺨﺼﺎت آﻣﺎري دراز ﻣﺪت اﻣﻮاج در ﻧﻘﺎط ﺧﺎص‬

‫ﻧﺘﺎﻳﺞ ﺣﺎﺻﻞ از ﻣﺪﻟﺴﺎزي در ﻧﻘﺎط ﻣﻮرد اﺷﺎره‪ ،‬در ﻗﺎﻟﺐ ﻣﺸﺨـﺼﺎت آﻣـﺎري‪ ،‬ﺑـﻪ دو‬
‫ﺻﻮرت اراﺋﻪ ﺷﺪه اﺳﺖ‪:‬‬
‫‪ .1‬ﺟﺪاول ﻣﻘﺎدﻳﺮ آﻣﺎري ﻛﻪ ﺷﺎﻣﻞ ﺣﺪاﻗﻞ‪ ،‬ﺣﺪاﻛﺜﺮ‪ ،‬ﻣﺘﻮﺳﻂ دادهﻫﺎ و اﻧﺤـﺮاف ﻣﻌﻴـﺎر‬
‫آﻧﻬﺎ ﺑﺮاي ﭘﺎراﻣﺘﺮﻫﺎي ﻣﺨﺘﻠﻒ اﻣﻮاج و ﻣﺸﺨﺼﺎت ﺑﺎد ﻣﻲﺑﺎﺷﺪ‪.‬‬
‫‪ .2‬ﮔﻞﻣﻮج ﺣﺎﺻﻞ از ﺷﺒﻴﻪﺳﺎزي دوازده ﺳﺎﻟﻪ اﻣﻮاج در ﻫﺮﻳـﻚ از ﻣﻮﻗﻌﻴﺘﻬـﺎي ﻣـﻮرد‬
‫اﺷﺎره‪.‬‬
‫ﺟﺪاول ‪10‬ـ‪ 2‬ﺗﺎ ‪10‬ـ ‪ 6‬ﻣﻘﺎدﻳﺮ ﻣﺸﺨﺼﻪﻫﺎي آﻣﺎري ﻣﺮﺑﻮط ﺑﻪ ﭘﺎراﻣﺘﺮﻫﺎي ﻣﺨﺘﻠﻒ ﺑـﺎد‬
‫و ﻣﻮج را در ﻃﻮل دوره ﻣﺪﻟﺴﺎزي ﻧﺸﺎن ﻣﻲدﻫﻨﺪ‪ .‬ﮔـﻞﻣـﻮج ﺣﺎﺻـﻞ از ﺷـﺒﻴﻪ ﺳـﺎزي ‪12‬‬
‫ﺳﺎﻟﻪ ﻧﻴﺰ ﺑﺮاي ﻫﺮﻳﻚ از ﻧﻘﺎط ﻣﻮرد اﺷﺎره در ﺟﺪول ‪10‬ـ‪ 1‬ﻧﻴﺰ در اﺷﻜﺎل ‪10‬ـ‪ 2‬اﻟﻲ ‪10‬ـ‪7‬‬
‫اراﺋﻪ ﺷﺪه اﺳﺖ‪.‬‬
     !"
 (('

(‫ـ ﻣﻘﺎدﻳﺮ ﻣﺸﺨﺼﻪﻫﺎي آﻣﺎري ﺣﺎﺻﻞ از ﻣﺪﻟﺴﺎزي دوازده ﺳﺎﻟﻪ در اﻧﺰﻟﻲ )ﻣﻮﻗﻌﻴﺖ ﺑﻮﻳﻪ‬2‫ـ‬10 ‫ﺟﺪول‬
Item Min Max Mean Standard deviation
Sign. Wave Height 0.00 5.22 0.68 0.52
(m)
Peak Wave Period (s) 0.00 13.10 4.87 1.33
Wave Period, T01 (s) 0.00 8.37 3.70 0.88
Wave Period, T02 (s) 0.00 7.58 3.36 0.78
Wind Speed (m/s) 0.08 18.44 4.46 2.41
Wind Direction (deg) ‫ـ‬ ‫ـ‬ 38.20 ‫ـ‬
Wave Direction (deg) ‫ـ‬ ‫ـ‬ 40.64 ‫ـ‬

(‫ـ ﻣﻘﺎدﻳﺮ ﻣﺸﺨﺼﻪﻫﺎي آﻣﺎري ﺣﺎﺻﻞ از ﻣﺪﻟﺴﺎزي دوازده ﺳﺎﻟﻪ در اﻧﺰﻟﻲ )آب ﻋﻤﻴﻖ‬3‫ـ‬10 ‫ﺟﺪول‬
Item Min Max Mean St.
Sign. Wave Height (m) 0.00 5.86 0.71 0.55
Peak Wave Period (s) 0.00 12.93 4.86 1.33
Wave Period, T01 (s) 0.00 8.35 3.71 0.90
Wave Period, T02 (s) 0.00 7.61 3.37 0.79
Wind Speed (m/s) 0.07 18.40 4.48 2.48
Wind Direction (deg) ‫ـ‬ ‫ـ‬ 39.26 ‫ـ‬
Wave Direction (deg) ‫ـ‬ ‫ـ‬ 43.78 ‫ـ‬

(‫ـ ﻣﻘﺎدﻳﺮ ﻣﺸﺨﺼﻪﻫﺎي آﻣﺎري ﺣﺎﺻﻞ از ﻣﺪﻟﺴﺎزي دوازده ﺳﺎﻟﻪ در اﻣﻴﺮآﺑﺎد )ﻣﻮﻗﻌﻴﺖ ﺑﻮﻳﻪ‬4‫ـ‬10 ‫ﺟﺪول‬
Item Min Max Mean St.
Sign. Wave Height (m) 0.00 4.79 0.66 0.41
Peak Wave Period (s) 0.00 12.19 4.72 1.41
Wave Period, T01 (s) 0.00 7.94 3.45 0.76
Wave Period, T02 (s) 0.00 7.21 3.16 0.67
Wind Speed (m/s) 0.01 19.89 4.78 2.23

Wind Direction (deg) ‫ـ‬ ‫ـ‬ 343.00 ‫ـ‬

Wave Direction (deg) ‫ـ‬ ‫ـ‬ 2.11 ‫ـ‬
‫((‬ ‫  ‪30 4*  5 * 16 /‬‬

‫ﺟﺪول ‪10‬ـ‪7‬ـ ﻧﺘﺎﻳﺞ ﺗﺤﻠﻴﻞ ﺣﺪي ارﺗﻔﺎع اﻣﻮاج در ﻣﺤﻞ اﻧﺰﻟﻲ )ﺑﻮﻳﻪ(‬
‫)‪Return Period(year‬‬ ‫)‪Sign. Wave Height(m‬‬
‫‪2‬‬ ‫‪4.44‬‬
‫‪5‬‬ ‫‪4.86‬‬
‫‪10‬‬ ‫‪5.12‬‬
‫‪20‬‬ ‫‪5.36‬‬
‫‪50‬‬ ‫‪5.67‬‬
‫‪100‬‬ ‫‪5.90‬‬

‫ﺟﺪول ‪10‬ـ‪ 8‬ـ ﻧﺘﺎﻳﺞ ﺗﺤﻠﻴﻞ ﺣﺪي ارﺗﻔﺎع اﻣﻮاج در ﻣﺤﻞ اﻧﺰﻟﻲ )آب ﻋﻤﻴﻖ(‬
‫)‪Return Period(year‬‬ ‫)‪Sign. Wave Height(m‬‬
‫‪2‬‬ ‫‪4.83‬‬
‫‪5‬‬ ‫‪5.41‬‬
‫‪10‬‬ ‫‪5.77‬‬
‫‪20‬‬ ‫‪6.11‬‬
‫‪50‬‬ ‫‪6.54‬‬
‫‪100‬‬ ‫‪6.86‬‬

‫ﺟﺪول ‪10‬ـ‪9‬ـ ﻧﺘﺎﻳﺞ ﺗﺤﻠﻴﻞ ﺣﺪي ارﺗﻔﺎع اﻣﻮاج در ﻣﺤﻞ اﻣﻴﺮآﺑﺎد )ﺑﻮﻳﻪ(‬
‫)‪Return Period(year‬‬ ‫)‪Sign. Wave Height(m‬‬
‫‪2‬‬ ‫‪3.41‬‬
‫‪5‬‬ ‫‪3.81‬‬
‫‪10‬‬ ‫‪4.08‬‬
‫‪20‬‬ ‫‪4.33‬‬
‫‪50‬‬ ‫‪4.66‬‬
‫‪100‬‬ ‫‪4.90‬‬
‫
"!     ‬ ‫‪((#‬‬

‫ﺟﺪول ‪10‬ـ‪10‬ـ ﻧﺘﺎﻳﺞ ﺗﺤﻠﻴﻞ ﺣﺪي ارﺗﻔﺎع اﻣﻮاج در ﻣﺤﻞ اﻣﻴﺮآﺑﺎد )آب ﻋﻤﻴﻖ(‬
‫)‪Return Period(year‬‬ ‫)‪Sign. Wave Height(m‬‬
‫‪2‬‬ ‫‪3.57‬‬
‫‪5‬‬ ‫‪4.02‬‬
‫‪10‬‬ ‫‪4.32‬‬
‫‪20‬‬ ‫‪4.60‬‬
‫‪50‬‬ ‫‪4.97‬‬
‫‪100‬‬ ‫‪5.25‬‬

‫ﺟﺪول ‪10‬ـ‪11‬ـ ﻧﺘﺎﻳﺞ ﺗﺤﻠﻴﻞ ﺣﺪي ارﺗﻔﺎع اﻣﻮاج در ﻧﻮﺷﻬﺮ‬

‫)‪Return Period(year‬‬ ‫)‪Sign. Wave Height(m‬‬
‫‪2‬‬ ‫‪4.78‬‬
‫‪5‬‬ ‫‪4.50‬‬
‫‪10‬‬ ‫‪5.97‬‬
‫‪20‬‬ ‫‪6.42‬‬
‫‪50‬‬ ‫‪7.00‬‬
‫‪100‬‬ ‫‪7.44‬‬
  


(‫واژهﻫﺎي ﻛﻠﻴﺪي )ﻓﺎرﺳﻲ ﺑﻪ اﻧﮕﻠﻴﺴﻲ‬

‫اﻟﻒ‬
goodness-of-fit statistics ‫آزﻣﻮنﻫﺎي ﺧﻮﺑﻲ ﺑﺮازش‬
threshold ‫آﺳﺘﺎﻧﻪ‬
reanalysis ‫آﻧﺎﻟﻴﺰ دوﺑﺎره‬
exceedance probability ‫اﺣﺘﻤﺎل ﻓﺰوﻧﻲ‬
United Kingdom Hydrography Office, UKHO ‫ادارة آﺑﻨﮕﺎري اﻧﮕﻠﻴﺲ‬
Bias ‫ارﻳﺒﻲ‬
ship observation ‫اﻃﻼﻋﺎت دﻳﺪهﺑﺎن ﻛﺸﺘﻲ‬
World Wave Atlas , WWA ‫اﻃﻠﺲ ﺟﻬﺎﻧﻲ ﻣﻮج‬
swell ‫اﻣﻮاج دورآ‬
total ‫اﻣﻮاج ﻛﻠﻲ‬
seas ‫اﻣﻮاج ﻣﺤﻠﻲ‬
advection ‫اﻧﺘﻘﺎل‬
directional standard deviation ‫اﻧﺤﺮاف ﻣﻌﻴﺎر ﺟﻬﺘﻲ‬
parabolic fitting ‫اﻧﻄﺒﺎق ﺳﻬﻤﻮي‬
synoptic ‫ ﺳﻴﻨﻮﭘﺘﻴﻚ‬, ‫اﻳﺴﺘﮕﺎﻫﻬﺎي ﻫﻤﺪﻳﺪي‬

‫ب‬
Comprehensive Oceanographic Dataset ‫ﺑﺎﻧﻚ اﻃﻼﻋﺎﺗﻲ ﺟﺎﻣﻊ اﻗﻴﺎﻧﻮﺳﻲ‬
(COADS)
set-up ‫ﺑﺮﭘﺎﻳﻲ‬
extension ‫ﺑﺮﻧﺎﻣﺔ اﻟﺤﺎﻗﻲ‬
    

resolution ‫ﺑﺰرﮔﻨﻤﺎﻳﻲ‬
real time ‫ﺑﻼدرﻧﮓ‬
Beaufort ‫ﺑﻮﻓﻮرت‬

‫پ‬
shape parameter ‫ﭘﺎراﻣﺘﺮ ﺷﻜﻞ‬
scale parameter ‫ﭘﺎراﻣﺘﺮ ﻣﻘﻴﺎس‬
location parameter ‫ﭘﺎراﻣﺘﺮ ﻣﻮﻗﻌﻴﺖ‬
integrated wave parameters ‫ﭘﺎراﻣﺘﺮﻫﺎي ﻣﻨﺘﺠﻪ ﻣﻮج‬
zero-crossing period ‫ﭘﺮﻳﻮد ﻗﻄﻊ ﺗﺮاز ﺻﻔﺮ ﻣﻮج‬
zero-crossing wave period ‫ﭘﺮﻳﻮد ﻣﻮج ﻗﻄﻊ ﺗﺮاز ﺻﻔﺮ‬
energy averaged mean period ‫ﭘﺮﻳﻮد ﻣﻴﺎﻧﮕﻴﻦ اﻧﺮژي ﻣﺘﻮﺳﻂ ﻣﻮج‬
mean period ‫ﭘﺮﻳﻮد ﻣﻴﺎﻧﮕﻴﻦ ﻣﻮج‬
hindcast ‫ﭘﻴﺶﻳﺎﺑﻲ‬
hindcast ‫ﭘﻴﺶﻳﺎﺑﻲ‬
hindcast ‫ﭘﻴﺶﻳﺎﺑﻲ‬
discrete peak ‫ﭘﻴﻚ ﻣﻨﻘﻄﻊ‬

‫ت‬
cumulative distribution function ‫ﺗـﺎﺑﻊ ﺗﻮزﻳﻊ ﺗﺠﻤﻌﻲ‬
probability density function ‫ﺗﺎﺑﻊ ﭼﮕﺎﻟﻲ اﺣﺘﻤﺎل‬
julian day ‫ﺗﺎرﻳﺦ و ﻓﻮاﺻﻞ واﻗﻌﻲ‬
Fast Fourier Transform, FFT ‫ﺗﺒﺪﻳﻞ ﺳﺮﻳﻊ ﻓﻮرﻳﻪ‬
ice concentration ‫ﺗﺠﻤﻊ ﻳﺦ‬
  


Extreme Value Analysis, EVA ‫ﺗﺤﻠﻴﻞ ﻣﻘﺎدﻳﺮ ﺣﺪي‬

Chart Datum, CD ‫ﺗﺮاز ﻣﺒﻨﺎ‬
Mean Sea Level, MSL ‫ﺗﺮاز ﻣﻴﺎﻧﮕﻴﻦ درﻳﺎ‬
chart graphics ‫ﺗﻨﻈﻴﻤﺎت ﮔﺮاﻓﻴﻜﻲ‬

‫ج‬
RMSE ‫ﺟﺬر ﻣﺘﻮﺳﻂ ﻣﺮﺑﻊ ﺧﻄﺎﻫﺎ‬
Root Mean Square Error, RMSE ‫ﺟﺬر ﻣﺘﻮﺳﻂ ﻣﺮﺑﻌﺎت ﺧﻄﺎﻫﺎ‬
Jeffreys ‫ﺟﻔﺮﻳﺰ‬

‫چ‬
cyclone ‫ﭼﺮﺧﻨﺪ‬

‫خ‬
STEYX ‫ﺧﻄﺎي اﺳﺘﺎﻧﺪارد‬

‫د‬
Operational Surface Analysis Data Set ‫دادهﻫﺎي ﻛﺎرﺑﺮدي آﻧﺎﻟﻴﺰ ﺳﻄﺤﻲ‬
fully developed sea ‫درﻳﺎي ﻛﺎﻣﻼ ﮔﺴﺘﺮش ﻳﺎﻓﺘﻪ‬
Scatterometer ‫دﺳﺘﮕﺎه ﭘﺮاﻛﻨﺪﮔﻲﺳﻨﺞ‬
accuracy ‫دﻗﺖ‬
exceedence diagram ‫دﻳﺎﮔﺮام ﻓﺰوﻧﻲ‬
    

‫ر‬
interface
Synthetic Aperture Radar
Radar Altimeter, RA
method of L-moments, MOL
graphical fitting method
maximum likelihood, ML
least square method
monte carlo simulation
constant threshold frequency
dynamic threshold frequency, version 1
dynamic threshold frequency, version 2
method of moments
Partial Duration Series, PDS
Annual Maximum Series, AMS
Jackknife resampling
‫راﺑﻂ‬
SAR ‫رادار‬
‫رادار ارﺗﻔﺎعﺳﻨﺠﻲ‬
‫روش ال ـ ﮔﺸﺘﺎور‬
‫روش ﺑﺮازش ﮔﺮاﻓﻴﻜﻲ‬
‫روش ﺑﻴﺸﻴﻨﻪ ﻫﻤﺎﻧﻨﺪي‬
‫روش ﺣﺪاﻗﻞ ﺗﻮانﻫﺎي دوم‬
‫روش ﺷﺒﻴﻪﺳﺎزي ﻣﻮﻧﺖﻛﺎرﻟﻮ‬
‫روش ﻓﺮﻛﺎﻧﺲ آﺳﺘﺎﻧﻪ ﺛﺎﺑﺖ‬
‫روش ﻓﺮﻛﺎﻧﺲ آﺳﺘﺎﻧﻪ ﻣﺘﻐﻴﺮ ﻧﻮع اول‬
‫روش ﻓﺮﻛﺎﻧﺲ آﺳﺘﺎﻧﻪ ﻣﺘﻐﻴﺮ ﻧﻮع دوم‬
‫روش ﮔﺸﺘﺎور‬
‫روش ﻣﺎﻛﺰﻳﻤﻢﻫﺎي ﺟﺰﺋﻲ‬
‫روش ﻣﺎﻛﺰﻳﻤﻢﻫﺎي ﺳﺎﻻﻧﻪ‬
‫روش ﻧﻤﻮﻧﻪﮔﻴﺮي ﻣﺠﺪد ﺟﻚ ﻧﺎﻳﻒ‬

‫ژ‬
bathymetry ‫ژرﻓﺎ ﺳﻨﺠﻲ‬

‫س‬
line series ‫ﺳﺮي ﺧﻄﻲ‬
area series ‫ﺳﺮي ﻣﺤﺪودهاي‬
point series ‫ﺳﺮي ﻧﻘﻄﻪاي‬
  


white capping ‫ﺳﻔﻴﺪك راس ﻣﻮج‬

White Capping ‫ﺳﻔﻴﺪك راس ﻣﻮج‬
remote sensing ‫ﺳﻨﺠﺶ از راه دو‬
Geographical Information System, GIS ‫ﺳﻴﺴﺘﻢ اﻃﻼﻋﺎت ﺟﻐﺮاﻓﻴﺎﻳﻲ‬
decision support systems ‫ﺳﻴﺴﺘﻤﻬﺎي ﭘﺸﺘﻴﺒﺎن ﺗﺼﻤﻴﻢﮔﻴﺮي‬

‫ش‬
Gaussian Grid, GG ‫ﺷﺒﻜﻪ ﮔﺎوﺳﻲ‬
wave-age based criteria ‫ﺷﺮط ﻋﻤﺮي ﻣﻮج‬
ripple ‫ﺷﻜﻨﺞ‬

‫ص‬
verification ‫ﺻﺤﺖﺳﻨﺠﻲ‬

‫ض‬
drag ‫ درگ‬, ‫ﺿﺮﻳﺐ ﺑﺮآ‬
Scattering Index, SI ‫ﺿﺮﻳﺐ ﭘﺮاﻛﻨﺪﮔﻲ‬
Charnock number ‫ﺿﺮﻳﺐ ﻛﺎرﻧﻚ‬
Correlation Coefficient, CC ‫ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ‬
    

‫ط‬
tropical cyclones ‫ﻃﻮﻓﺎﻧﻬﺎي اﺳﺘﻮاﻳﻲ‬
tropical storms ‫ﻃﻮﻓﺎنﻫﺎي ﮔﺮﻣﺴﻴﺮي‬
Latitude/Longitude, LL ‫ﻃﻮل و ﻋﺮض ﺟﻐﺮاﻓﻴﺎﻳﻲ‬
Pierson-Moskowitz spectrum, PM ‫ﻃﻴﻒ ﭘﻴﺮﺳﻮن – ﻣﺴﻜﻮﻳﭻ‬

‫ع‬
source and sink terms ‫ﻋﺒﺎرات ﭼﺸﻤﻪ و ﭼﺎه‬
wave action ‫ﻋﻤﻞ ﻣﻮج‬

‫ف‬
time step factor ‫ﻓﺎﻛﺘﻮر ﮔﺎم زﻣﺎﻧﻲ‬
mesh file ‫ﻓﺎﻳﻞ ﺷﺒﻜﻪﺑﻨﺪي‬
resource files ‫ﻓﺎﻳﻠﻬﺎي ﻣﻨﺒﻊ‬
Frechet ‫ﻓﺮﺷﻪ‬
fully spectral formulation ‫ﻓﺮﻣﻮلﺑﻨﺪي ﻛﺎﻣﻼً ﻃﻴﻔﻲ‬
MSL pressure ‫ﻓﺸﺎر در ﺗﺮاز ﻣﻴﺎﻧﮕﻴﻦ درﻳﺎﻫﺎ‬
Philips ‫ﻓﻴﻠﻴﭙﺲ‬

‫ك‬
operational ‫ﻛﺎرﺑﺮدي‬
dynamic link library, DLL ‫ﻛﺘﺎﺑﺨﺎﻧﻪاي ﭘﻮﻳﺎ‬
Kelvin- Helmholtz ‫ﻛﻠﻮﻳﻦ ـ ﻫﻠﻢ ﻫﻠﺘﺰ‬
  


global ‫ﻛﻠﻲ‬

‫گ‬
Gumbel ‫ﮔﺎﻣﺒﻞ‬
Truncated Gumbel ‫ﮔﺎﻣﺒﻞ اﺻﻼح ﺷﺪه‬
rose diagram ‫ﮔﻠﻮاره‬

‫ل‬
Log-normal ‫ﻟﻮگ ﻧﺮﻣﺎل‬

‫م‬
Miles ‫ﻣﺎﻳﻠﺰ‬
local ‫ﻣﺤﻠﻲ‬
Iranian Seas Wave Modeling, ISWM ‫ﻣﺪﻟﺴﺎزي اﻣﻮاج درﻳﺎﻫﺎي اﻳﺮان‬
‫ﻣﺮﻛﺰ اروﭘﺎﻳﻲ ﭘﻴﺶﺑﻴﻨﻲ ﻣﻴﺎنﻣﺪت ﻫﻮا‬
European Centre for Medium Range Weather Forecasting, ECMWF
UK Met office ‫ﻣﺮﻛﺰ ﻫﻮاﺷﻨﺎﺳﻲ اﻧﮕﻠﻴﺲ‬
‫ﻣﺮﻛﺰ ﻫﻮاﺷﻨﺎﺳﻲ و اﻗﻴﺎﻧﻮسﺷﻨﺎﺳﻲ ﻋﺪدي ﻓﻠﻴﺖ‬
Fleet Numerical Meteorology and Oceanography Center, FNMOC
‫ ﻣﺮﻛﺰ ﻣﻠﻲ ﺗﺤﻘﻴﻘﺎت ﺟﻮي در ﻛﺎﻧﺎدا و آﻣﺮﻳﻜﺎ‬/‫ﻣﺮﻛﺰ ﻣﻠﻲ ﭘﻴﺶﺑﻴﻨﻲﻫﺎي ﻣﺤﻴﻄﻲ‬
National Center for Environmental Prediction
National Center for Atmosphere Research, NCEP/NAR
tracks ‫ﻣﺴﻴﺮﻫﺎي ﺣﺮﻛﺖ‬
order ‫ﻣﻘﻴـﺎس‬
Danish Hydraulic Institute, DHI ‫ﻣﻮﺳﺴﻪ ﺗﺤﻘﻴﻘﺎت ﻫﻴﺪروﻟﻴﻚ داﻧﻤﺎرك‬
‫   ‬ ‫ ‬

‫‪Average Relative Error‬‬ ‫ﻣﻴﺎﻧﮕﻴﻦ ﺧﻄﺎي ﻧﺴﺒﻲ‬

‫ن‬
‫‪applications‬‬ ‫ﻧﺮماﻓﺰارﻫﺎي ﻛﺎرﺑﺮدي‬
‫‪land-sea mask‬‬ ‫ﻧﻘﺸﻪ ﺗﻔﻜﻴﻜﻲ ﺧﺸﻜﻲ ـ درﻳﺎ‬
‫‪raster charts‬‬ ‫ﻧﻘﺸﻪﻫﺎي اﻟﻜﺘﺮوﻧﻴﻚ‬
‫‪scatter plot‬‬ ‫ﻧﻤﻮدارﻫﺎي ﭘﺮاﻛﻨﺪﮔﻲ‬

‫و‬
‫ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن‪calibration ،‬‬ ‫واﺳﻨﺠﻲ‬
‫‪Weibull‬‬ ‫وﻳﺒﻮل‬
 ! 


(‫واژهﻫﺎي ﻛﻠﻴﺪي )اﻧﮕﻠﻴﺴﻲ ﺑﻪ ﻓﺎرﺳﻲ‬

A
accuracy ‫دﻗﺖ‬
advection ‫اﻧﺘﻘﺎل‬
Annual Maximum Series, AMS ‫روش ﻣﺎﻛﺰﻳﻤﻢﻫﺎي ﺳﺎﻻﻧﻪ‬
applications ‫ﻧﺮماﻓﺰارﻫﺎي ﻛﺎرﺑﺮدي‬
area series ‫ﺳﺮي ﻣﺤﺪودهاي‬
Average Relative Error ‫ﻣﻴﺎﻧﮕﻴﻦ ﺧﻄﺎي ﻧﺴﺒﻲ‬

B
bathymetry ‫ژرﻓﺎ ﺳﻨﺠﻲ‬
Beaufort ‫ﺑﻮﻓﻮرت‬
Bias ‫ارﻳﺒﻲ‬

C
calibration ‫ ﻛﺎﻟﻴﺒﺮاﺳﻴﻮن‬,‫واﺳﻨﺠﻲ‬
Charnock number ‫ﺿﺮﻳﺐ ﻛﺎرﻧﻚ‬
Chart Datum, CD ‫ﺗﺮاز ﻣﺒﻨﺎ‬
chart graphics ‫ﺗﻨﻈﻴﻤﺎت ﮔﺮاﻓﻴﻜﻲ‬
COADS Comprehensive ‫ﺑﺎﻧـﻚ اﻃﻼﻋـﺎﺗﻲ ﺟـﺎﻣﻊ اﻗﻴﺎﻧﻮﺳـﻲ‬
Oceanographic Dataset
constant threshold frequency ‫روش ﻓﺮﻛﺎﻧﺲ آﺳﺘﺎﻧﻪ ﺛﺎﺑﺖ‬
Correlation Coefficient, CC ‫ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ‬
cumulative distribution function ‫ﺗـﺎﺑﻊ ﺗﻮزﻳﻊ ﺗﺠﻤﻌﻲ‬
cyclone ‫ﭼﺮﺧﻨﺪ‬
    "

D
Danish Hydraulic Institute, DHI
decision support systems
directional standard deviation
discrete peak
drag
dynamic link library, DLL
dynamic threshold frequency, version 1
dynamic threshold frequency, version 2
‫ﻣﻮﺳﺴﻪ ﺗﺤﻘﻴﻘﺎت ﻫﻴﺪروﻟﻴﻚ داﻧﻤﺎرك‬
‫ﺳﻴﺴﺘﻤﻬﺎي ﭘﺸﺘﻴﺒﺎن ﺗﺼﻤﻴﻢﮔﻴﺮي‬
‫اﻧﺤﺮاف ﻣﻌﻴﺎر ﺟﻬﺘﻲ‬
‫ﭘﻴﻚ ﻣﻨﻘﻄﻊ‬
‫درگ‬,‫ﺿﺮﻳﺐ ﺑﺮآ‬
‫ﻛﺘﺎﺑﺨﺎﻧﻪاي ﭘﻮﻳﺎ‬
‫روش ﻓﺮﻛﺎﻧﺲ آﺳﺘﺎﻧﻪ ﻣﺘﻐﻴﺮ ﻧﻮع اول‬
‫روش ﻓﺮﻛﺎﻧﺲ آﺳﺘﺎﻧﻪ ﻣﺘﻐﻴﺮ ﻧﻮع دوم‬

E
energy averaged mean period ‫ﭘﺮﻳﻮد ﻣﻴﺎﻧﮕﻴﻦ اﻧﺮژي ﻣﺘﻮﺳﻂ ﻣﻮج‬
European Centre for Medium Range Weather Forecasting, ECMWF
‫ﻣﺮﻛﺰ اروﭘﺎﻳﻲ ﭘﻴﺶﺑﻴﻨﻲ ﻣﻴﺎنﻣﺪت ﻫﻮا‬
exceedance probability ‫اﺣﺘﻤﺎل ﻓﺰوﻧﻲ‬
exceedence diagram ‫دﻳﺎﮔﺮام ﻓﺰوﻧﻲ‬
extension ‫ﺑﺮﻧﺎﻣﺔ اﻟﺤﺎﻗﻲ‬
Extreme Value Analysis, EVA ‫ﺗﺤﻠﻴﻞ ﻣﻘﺎدﻳﺮ ﺣﺪي‬

F
Fast Fourier Transform, FFT ‫ﺗﺒﺪﻳﻞ ﺳﺮﻳﻊ ﻓﻮرﻳﻪ‬
files resource ‫ﻓﺎﻳﻠﻬﺎي ﻣﻨﺒﻊ‬
Fleet Numerical Meteorology and Oceanography Center, FNMOC
‫ﻣﺮﻛﺰ ﻫﻮاﺷﻨﺎﺳﻲ و اﻗﻴﺎﻧﻮسﺷﻨﺎﺳﻲ ﻋﺪدي ﻓﻠﻴﺖ‬
Frechet ‫ﻓﺮﺷﻪ‬
fully developed sea ‫درﻳﺎي ﻛﺎﻣﻼ ﮔﺴﺘﺮش ﻳﺎﻓﺘﻪ‬
  


fully spectral formulation ‫ﻓﺮﻣﻮلﺑﻨﺪي ﻛﺎﻣﻼً ﻃﻴﻔﻲ‬

G
Gaussian Grid, GG ‫ﺷﺒﻜﻪ ﮔﺎوﺳﻲ‬
Geographical Information System, GIS ‫ﺳﻴﺴﺘﻢ اﻃﻼﻋﺎت ﺟﻐﺮاﻓﻴﺎﻳﻲ‬
global ‫ﻛﻠﻲ‬
goodness-of-fit statistics ‫آزﻣﻮنﻫﺎي ﺧﻮﺑﻲ ﺑﺮازش‬
graphical fitting method ‫روش ﺑﺮازش ﮔﺮاﻓﻴﻜﻲ‬
Gumbel ‫ﮔﺎﻣﺒﻞ‬

H
hindcast ‫ﭘﻴﺶﻳﺎﺑﻲ‬
hindcast ‫ﭘﻴﺶﻳﺎﺑﻲ‬
hindcast ‫ﭘﻴﺶﻳﺎﺑﻲ‬

I
ice concentration ‫ﺗﺠﻤﻊ ﻳﺦ‬
integrated wave parameters ‫ﭘﺎراﻣﺘﺮﻫﺎي ﻣﻨﺘﺠﻪ ﻣﻮج‬
interface ‫راﺑﻂ‬
Iranian Seas Wave Modeling, ISWM ‫ﻣﺪﻟﺴﺎزي اﻣﻮاج درﻳﺎﻫﺎي اﻳﺮان‬

J
Jackknife resampling ‫روش ﻧﻤﻮﻧﻪﮔﻴﺮي ﻣﺠﺪد ﺟﻚ ﻧﺎﻳﻒ‬
Jeffreys ‫ﺟﻔﺮﻳﺰ‬
julian day ‫ﺗﺎرﻳﺦ و ﻓﻮاﺻﻞ واﻗﻌﻲ‬
    

K
Kelvin- Helmholtz ‫ﻛﻠﻮﻳﻦ ـ ﻫﻠﻢ ﻫﻠﺘﺰ‬

L
land-sea mask ‫ﻧﻘﺸﻪ ﺗﻔﻜﻴﻜﻲ ﺧﺸﻜﻲ ـ درﻳﺎ‬
Latitude/Longitude, LL ‫ﻃﻮل و ﻋﺮض ﺟﻐﺮاﻓﻴﺎﻳﻲ‬
least square method ‫روش ﺣﺪاﻗﻞ ﺗﻮانﻫﺎي دوم‬
line series ‫ﺳﺮي ﺧﻄﻲ‬
local ‫ﻣﺤﻠﻲ‬
location parameter ‫ﭘﺎراﻣﺘﺮ ﻣﻮﻗﻌﻴﺖ‬
Log-normal ‫ﻟﻮگ ﻧﺮﻣﺎل‬

M
maximum likelihood, ML ‫روش ﺑﻴﺸﻴﻨﻪ ﻫﻤﺎﻧﻨﺪي‬
mean period ‫ﭘﺮﻳﻮد ﻣﻴﺎﻧﮕﻴﻦ ﻣﻮج‬
Mean Sea Level, MSL ‫ﺗﺮاز ﻣﻴﺎﻧﮕﻴﻦ درﻳﺎ‬
mesh file ‫ﻓﺎﻳﻞ ﺷﺒﻜﻪﺑﻨﺪي‬
method of L-moments, MOL ‫ﮔﺸﺘﺎور ـ روش ال‬
method of moments ‫روش ﮔﺸﺘﺎور‬
Miles ‫ﻣﺎﻳﻠﺰ‬
MSL pressure ‫ﻓﺸﺎر در ﺗﺮاز ﻣﻴﺎﻧﮕﻴﻦ درﻳﺎﻫﺎ‬
  


N
National Center for Environmental Prediction/National Center for
Atmosphere Research, NCEP/NAR
‫ ﻣﺮﻛﺰ ﻣﻠﻲ ﺗﺤﻘﻴﻘﺎت ﺟﻮي در ﻛﺎﻧﺎدا و آﻣﺮﻳﻜﺎ‬/‫ﻣﺮﻛﺰ ﻣﻠﻲ ﭘﻴﺶﺑﻴﻨﻲﻫﺎي ﻣﺤﻴﻄﻲ‬

O
office UK Met ‫ﻣﺮﻛﺰ ﻫﻮاﺷﻨﺎﺳﻲ اﻧﮕﻠﻴﺲ‬
operational ‫ﻛﺎرﺑﺮدي‬
Operational Surface Analysis Data Set ‫دادهﻫﺎي ﻛﺎرﺑﺮدي آﻧﺎﻟﻴﺰ ﺳﻄﺤﻲ‬
order ‫ﻣﻘﻴﺎس‬

P
parabolic fitting ‫اﻧﻄﺒﺎق ﺳﻬﻤﻮي‬
Partial Duration Series, PDS ‫روش ﻣﺎﻛﺰﻳﻤﻢﻫﺎي ﺟﺰﺋﻲ‬
Philips ‫ﻓﻴﻠﻴﭙﺲ‬
point series ‫ﺳﺮي ﻧﻘﻄﻪاي‬
probability density function ‫ﺗﺎﺑﻊ ﭼﮕﺎﻟﻲ اﺣﺘﻤﺎل‬

R
RARadar Altimeter ‫رادار ارﺗﻔﺎعﺳﻨﺠﻲ‬
raster charts ‫ﻧﻘﺸﻪﻫﺎي اﻟﻜﺘﺮوﻧﻴﻚ‬
real time ‫ﺑﻼدرﻧﮓ‬
reanalysis ‫آﻧﺎﻟﻴﺰ دوﺑﺎره‬
remote sensing ‫ﺳﻨﺠﺶ از راه دور‬
resolution ‫ﺑﺰرﮔﻨﻤﺎﻳﻲ‬
ripple ‫ﺷﻜﻨﺞ‬
RMSE ‫ﺟﺬر ﻣﺘﻮﺳﻂ ﻣﺮﺑﻊ ﺧﻄﺎﻫﺎ‬
    

Root Mean Square Error, RMSE ‫ﺟﺬر ﻣﺘﻮﺳﻂ ﻣﺮﺑﻌﺎت ﺧﻄﺎﻫﺎ‬

rose diagram ‫ﮔﻠﻮاره‬

S
scale parameter ‫ﭘﺎراﻣﺘﺮ ﻣﻘﻴﺎس‬
scatter plot ‫ﻧﻤﻮدارﻫﺎي ﭘﺮاﻛﻨﺪﮔﻲ‬
Scattering Index, SI ‫ﺿﺮﻳﺐ ﭘﺮاﻛﻨﺪﮔﻲ‬
Scatterometer ‫دﺳﺘﮕﺎه ﭘﺮاﻛﻨﺪﮔﻲﺳﻨﺞ‬
seas ‫اﻣﻮاج ﻣﺤﻠﻲ‬
set-up ‫ﺑﺮﭘﺎﻳﻲ‬
shape parameter ‫ﭘﺎراﻣﺘﺮ ﺷﻜﻞ‬
ship observation ‫اﻃﻼﻋﺎت دﻳﺪهﺑﺎن ﻛﺸﺘﻲ‬
simulation monte carlo ‫روش ﺷﺒﻴﻪﺳﺎزي ﻣﻮﻧﺖﻛﺎرﻟﻮ‬
source and sink terms ‫ﻋﺒﺎرات ﭼﺸﻤﻪ و ﭼﺎه‬
spectrum, PM Pierson-Moskowitz ‫ﻃﻴﻒ ﭘﻴﺮﺳﻮن – ﻣﺴﻜﻮﻳﭻ‬
STEYX ‫ﺧﻄﺎي اﺳﺘﺎﻧﺪارد‬
swell ‫اﻣﻮاج دورآ‬
synoptic, ‫ﺳﻴﻨﻮﭘﺘﻴﻚ‬ ‫اﻳﺴﺘﮕﺎﻫﻬﺎي ﻫﻤﺪﻳﺪي‬
Synthetic Aperture Radar (SAR) ‫رادار‬

T
threshold ‫آﺳﺘﺎﻧﻪ‬
time step factor ‫ﻓﺎﻛﺘﻮر ﮔﺎم زﻣﺎﻧﻲ‬
total ‫اﻣﻮاج ﻛﻠﻲ‬
  


tracks ‫ﻣﺴﻴﺮﻫﺎي ﺣﺮﻛﺖ‬

tropical cyclones ‫ﻃﻮﻓﺎﻧﻬﺎي اﺳﺘﻮاﻳﻲ‬
tropical storms ‫ﻃﻮﻓﺎنﻫﺎي ﮔﺮﻣﺴﻴﺮي‬
Truncated Gumbel ‫ﮔﺎﻣﺒﻞ اﺻﻼح ﺷﺪه‬

U
United Kingdom Hydrography Office, UKHO ‫ادارة آﺑﻨﮕﺎري اﻧﮕﻠﻴﺲ‬

V
verification ‫ﺻﺤﺖﺳﻨﺠﻲ‬

W
wave action ‫ﻋﻤﻞ ﻣﻮج‬
wave-age based criteria ‫ﺷﺮط ﻋﻤﺮي ﻣﻮج‬
Weibull Object Linking and Embedding OLE SQL Structural Query
Language ‫وﻳﺒﻮل‬
white capping ‫ﺳﻔﻴﺪك راس ﻣﻮج‬
White Capping ‫ﺳﻔﻴﺪك راس ﻣﻮج‬
World Wave Atlas, WWA ‫اﻃﻠﺲ ﺟﻬﺎﻧﻲ ﻣﻮج‬

Z
zero-crossing period ‫ﭘﺮﻳﻮد ﻗﻄﻊ ﺗﺮاز ﺻﻔﺮ ﻣﻮج‬
zero-crossing wave period ‫ﭘﺮﻳﻮد ﻣﻮج ﻗﻄﻊ ﺗﺮاز ﺻﻔﺮ‬