تخمین و ارزیابی مقدار رسوب انتقال یافته در رودخانه از مسائل مهم در بخش مدیریت آب و خاک می باشد. هر ساله میلیون ها تن از خاک حاصلخیز حوضه های آبخیز در اثر فرسایش وارد رودخانه ها می شود و در مسیر جریان بر روی عملکرد سازه های آبی، مورفولوژی و اکولوژی رودخانه و در نهایت بر محیط زیست حوضه های پایین دست تاثیر می گذارد. برآورد دقیق از میزان رسوب معلق در رودخانه ها در جهت تحقق اهداف توسعه و ایجاد تعادل بین منابع آب و خاک ضرورت داشته و می توان با ارزیابی صحیح آن از خسارت هایی که هر ساله در این میان به منابع خاک و سازه های پایین دست وارد می شود، جلوگیری کرد. در این تحقیق با استفاده از آمار دبی و رسوب معلق اندازه گیری شده در ایستگاه های هیدرومتری استان چهارمحال بختیاری و تفکیک داده ها به 20 و 80 درصد به دو صورت تصادفی و دوره آماری، بر اساس روش های مختلف هیدرولوژیکی، منحنی سنجه رسوب استخراج و سپس بر اساس دبی جریان روزانه در ایستگاه ها، میزان رسوب معلق دراز مدت برآورد شد. نتایج نشان داد که نحوه انتخاب آمار جهت استخراج منحنی سنجه یکی از عوامل موثر در میزان برآورد رسوب معلق می باشد. بر اساس روش بهینه در هر ایستگاه، حوضه ارمند بیشترین و حوضه پل ماری کمترین نرخ رسوب سالانه را به خود اختصاص داد. در بخش دیگر تحقیق با استفاده از پارامترهای متنوع اقلیمی و فیزیوگرافی استخراج شده از حوضه ها توسط نرم افزار gis، متغییرهای مختلف موثر بر رسوب با استفاده از تکنیک های کاهش داده ای برای مدل سازی انتخاب شدند. مدل های منطقه ای رسوبدهی در قالب رگرسیون چند متغیره در منطقه مورد مطالعه ارائه گردید. با بررسی و ترکیب پارامترهای مختلف مربوط به رسوبدهی در حوضه های مورد مطالعه، مدل منطقه ای مناسب انتخاب شد. این مدل تحت تأثیر عوامل مساحت، متوسط دبی سالانه حوضه، بارش سالانه حوضه و ارتفاع متوسط حوضه می باشد.

دورافتادهها نتیجهای از فرایندهای ناهمگون با فراوانی کم هستند که از الگوی عام مشاهدات پیروی نمیکنند و در اغلب مسائل کاربردی ظاهر میشوند. یکی از راههای شناسایی آنها مبتنی بر خوشهبندی دادههاست. تاکنون روشهایی مانند الگوریتم -kمیانگین برای این منظور پیشنهاد شده است. ضعف اساسی روشهایی از این دست فقدان معیارهای احتمالی و آماری برای کشف دورافتادههاست. برای این منظور میتوان روشهای مدل مبنا مانند مدل آمیخته متناهی را بکار برد. اما این روش با مشکلاتی مانند تعیین تعداد خوشهها روبروست. به علاوه با توجه به فراوانی کم دورافتادهها، بکارگیری اینگونه مدلها شاید چندان توجیهپذیر نباشد. برای رفع این مسئله، از مدل فرایند دیریکله آمیخته میتوان بهره برد. این فرایند پیشینی بر روی بخشبندی دادهها قرار میدهد و یکی از ویژگیهای اساسی آن، گروهبندی دادههای مشابه در یک خوشه است. همین ویژگی سبب بهرهبرداری از آن در مسائل خوشهبندی و شناسایی دورافتادهها شده است. لذا در این پایاننامه با اتخاذ رهیافت بیز ناپارامتری مبتنی بر فرایند دیریکله به تعیین دورافتادهها پرداخته میشود. در این راستا با استفاده از اصول نظریه تصمیم، بخشبندی منجر به ماکسیمم احتمال پسینی به عنوان بخشبندی بهینه تعیین، روشهای محاسباتی برای بدست آوردن آن بررسی و به دنبال آن دورافتادهها به ویژه هنگامی که دادهها ماهیتی تابعی دارند، مشخص میشوند. همچنین محکی برای اعتماد به بخشبندی برآورد شده بر اساس عامل بیزی معرفی خواهد شد. عملکرد مدلها و روشها در مثالهای شبیهسازی و کاربردی مورد بررسی و ارزیابی قرار میگیرد.

چکیده ندارد.