Application of vine copulas to dependence analysis of water quality data
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 88
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ARWW-9-1_010
تاریخ نمایه سازی: 18 شهریور 1402
چکیده مقاله:
In this study, using vine copulas and tree sequences, dependence analysis of groundwater quality variables (Total hardness (TH), Sodium adsorption ratio (SAR), Sodium percentage (Na %) and magnesium (Mg)) was performed. For this purpose, the tree sequence of vine copulas including regular vine (R-vine), independent version of R-vine, also Gaussian version of R-vine, Gaussian independent version of R-vine, canonical vine (C-vine), independent version of C-vine, drawable vine (D-vine) and independent D-vine were evaluated independently in pairwise variables analysis. The study results of dependence structures and tree sequences of Vine copulas showed that among the studied copulas, the performance of the independent C-vine was ۳.۸ % better than R-vine and ۰.۲۵ % (insignificant and negligible) better than D-vine. The tree sequences provided by independent C-vine preserve correlation of pairwise variables until the last tree. In the last tree of independent C-vine, edge correlation of Mg, Na % | TH, and SAR reaches zero. Due to the proper performance of D-vine in dependence analysis of the studied variables, this copula is introduced as the selected copula.
کلیدواژه ها:
نویسندگان
Mohammad Nazeri Tahroudi
Department of Water Engineering, Faculty of Agriculture, University of Birjand, Birjand, Iran.
Yousef Ramezani
Department of Water Engineering, Faculty of Agriculture, University of Birjand, Birjand, Iran.
Carlo De Michele
Department of Civil and Environmental Engineering, Politecnico di Milano, Milan, Italy.
Rasoul Mirabbasi
Department of Water Engineering, Faculty of Agriculture, Shahrekord University, Shahrekord, Iran.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :