3.2. Estimation of sediment dischar

3.2. Estimation of sediment discharge
The Water Resources Agency (WRA), Taiwan, measures the
suspended sediment load in the Sinwulu River and the Luye River by
collecting river water samples with a DH-48 depth integrating
suspended sediment sampler 30±3 times per year, on average, at the
2200H020 station on the Sinwulu River, the 2200H007 station on the
Luye River and the 2200H011 station on the Peinan River. Each sample is
filtered, dried and weighed, and the concentration of suspended
sediment is recorded in parts per million.
We applied the rating curve method and a bias-correction method
(Kao et al., 2005) to accommodate various scatter patterns in the
logCs–logQ plots (Fig. 2). Firstly, the residual error in rating curve
prediction was calculated:
Csi = κQbi
+ εi
where Csi, Qi and εi are observed sediment discharge, water discharge,
and the residual error between observation and prediction
for the ith sediment observation. κ is the expected sediment
concentration at unit water discharge (m3/s), and b is a scaling
exponent. Then, the bias-correction factor, β, was defined as the sum
of residuals divided by the sum of total predictions. A corrected
relationship between estimated sediment concentration (Cs) and Q is
expressed:
Cs = ð1 + βÞ ⋅ κQb
:
According to the study of Kao et al. (2005), the β factor can
efficiently modify the dependent variable (Cs). The residual errors in
the corrected relationship will be balanced out and the sum of total
predictions will approximate the sum of total observation, so the
largest sediment discharge can be better predicted (Kao et al., 2005).
In the present study, the scaling exponents of 1.06 for the Sinwulu
River and 0.95 for the Luye River were estimated by establishing

ผลลัพธ์ (ไทย) 1:

3.2 การประเมินการปล่อยตะกอนวัดน้ำทรัพยากรหน่วยงาน (WRA), ไต้หวันโหลดระงับตะกอนในแม่น้ำ Sinwulu และแม่น้ำ Luye โดยเก็บตัวอย่างน้ำที่แม่น้ำ มีเป็น DH-48 ลึกรวมตะกอนแซมเพลอร์ 30±3 ครั้งต่อปี ค่าเฉลี่ย การหยุดชั่วคราว ณ2200H 020 สถานีแม่น้ำ Sinwulu, 2200 H 007 สถานีในการแม่น้ำ Luye และสถานี 011 2200H บนแม่น้ำ Peinan แต่ละตัวอย่างเป็นกรอง แห้ง และ น้ำหนัก และความเข้มข้นของชั่วคราวตะกอนจะถูกบันทึกไว้ในส่วนต่อล้านเราใช้วิธีโค้งคะแนนและวิธีการแก้ไขความโน้มเอียง(ข้าวร้อยเอ็ด al., 2005) เพื่อรองรับการกระจายรูปแบบที่หลากหลายในการlogCs-logQ ลงจุด (Fig. 2) ประการแรก ข้อผิดพลาดที่เหลือในเส้นโค้งของคะแนนคาดเดาไม่ได้:Csi = κQbi+ ΕiCsi ฉี และ εi พบตะกอนถ่าย จำหน่าย น้ำและข้อผิดพลาดที่เหลือระหว่างการสังเกตและการคาดเดาสำหรับเก็บข้อมูลตะกอนระยะ Κเป็นตะกอนที่คาดไว้ความเข้มข้นในหน่วยปล่อยน้ำ (m3/s), และ b เป็นแบบมาตราส่วนยก แล้ว ตัวคูณแก้ไขความโน้มเอียง β ถูกกำหนดเป็นผลรวมของค่าคงเหลือหาร ด้วยผลรวมของการคาดการณ์รวม การแก้ไขความสัมพันธ์ระหว่างประเมินความเข้มข้นของตะกอน (Cs) และ Q เป็นแสดง:Cs = ð1 + βÞ⋅ κQb:ผลการวิจัยของเขาและ al. (2005), ปัจจัยβสามารถได้อย่างมีประสิทธิภาพปรับเปลี่ยนขึ้นอยู่กับตัวแปร (Cs) ข้อผิดพลาดที่เหลือในแก้ไขความสัมพันธ์จะได้สมดุลออกและผลรวมของผลรวมคาดคะเนจะประมาณผลการเก็บข้อมูลทั้งหมด เพื่อปล่อยตะกอนที่ใหญ่ที่สุดได้ดีกว่าคาดการณ์ (เก่าร้อยเอ็ด al., 2005)ในการศึกษาปัจจุบัน เลขชี้กำลังมาตราส่วนของ 1.06 สำหรับการ Sinwulu0.95 สำหรับแม่น้ำ Luye และแม่น้ำได้โดยประมาณ โดยกำหนด

ผลลัพธ์ (ไทย) 2:

3.2 การประมาณค่าของการปล่อยตะกอนสำนักงานทรัพยากรน้ำ (WRA), ไต้หวัน, มาตรการโหลดตะกอนแขวนลอยในแม่น้ำSinwulu และแม่น้ำ Luye โดยเก็บตัวอย่างน้ำในแม่น้ำมีความลึกDH-48 การบูรณาการระงับการเก็บตัวอย่างตะกอน30 ± 3 ครั้งต่อปีใน เฉลี่ยที่2200H020 สถานี Sinwulu แม่น้ำ 2200H007 สถานีแม่น้ำLuye และ 2200H011 สถานีบนแม่น้ำ Peinan ตัวอย่างแต่ละครั้งจะถูกกรองแห้งและชั่งน้ำหนักและความเข้มข้นของแขวนลอยตะกอนถูกบันทึกไว้ในส่วนต่อล้าน. เราใช้วิธีโค้งคะแนนและวิธีการมีอคติการแก้ไข(Kao et al., 2005) เพื่อรองรับรูปแบบการกระจายต่าง ๆ ในlogCs -logQ แปลง (รูปที่. 2) ประการแรกข้อผิดพลาดที่เหลือในโค้งคะแนนทำนายที่คำนวณ: Csi = κQbi + εiที่Csi ฉีและεiมีการสังเกตการปล่อยตะกอนปล่อยน้ำ, และข้อผิดพลาดที่เหลืออยู่ระหว่างการสังเกตและการคาดการณ์สำหรับ ith สังเกตตะกอน κเป็นตะกอนที่คาดว่าจะมีความเข้มข้นที่ปล่อยน้ำหน่วย (m3 / s) และขปรับเป็นตัวแทน จากนั้นปัจจัยอคติการแก้ไขβได้รับการกำหนดให้เป็นผลรวมของเหลือหารด้วยผลรวมของการคาดการณ์ทั้งหมด แก้ไขความสัมพันธ์ระหว่างความเข้มข้นของตะกอนประมาณ (Cs) และคิวแสดง: Cs = D1 + βÞ⋅κQb: จากการศึกษาของเขาและอัล (2005) ปัจจัยβสามารถได้อย่างมีประสิทธิภาพปรับเปลี่ยนตัวแปรตาม(Cs) ข้อผิดพลาดที่เหลืออยู่ในความสัมพันธ์ของการแก้ไขจะต้องมีความสมดุลออกมาและผลรวมของการรวมการคาดการณ์จะใกล้เคียงกับผลรวมของการสังเกตทั้งหมดดังนั้นการปล่อยตะกอนที่ใหญ่ที่สุดที่สามารถคาดการณ์ที่ดีกว่า(Kao et al., 2005). ในการศึกษาปัจจุบันปรับ exponents 1.06 สำหรับ Sinwulu แม่น้ำและ 0.95 แม่น้ำ Luye ประมาณโดยการสร้าง

ผลลัพธ์ (ไทย) 3:

3.2 . การประมาณค่าตะกอนจำหน่าย
ทรัพยากรน้ำแห่งชาติ ( สทน . , ไต้หวัน , มาตรการระงับ sinwulu
โหลด ตะกอนในแม่น้ำและ luye แม่น้ำ โดยการเก็บตัวอย่างน้ำด้วย

dh-48 ความลึกรวมตะกอนแขวนลอยตัวอย่าง 30 ± 3 ครั้งต่อปี เฉลี่ยที่
2200h020 สถานีบน sinwulu แม่น้ำ การ 2200h007 สถานีบน
luye 2200h011 สถานีแม่น้ำ และแม่น้ำไปหนาน . แต่ละตัวอย่าง
กรองแห้งและชั่งน้ำหนัก และความเข้มข้นของตะกอนแขวนลอย
ถูกบันทึกไว้ในส่วนต่อล้าน
เราใช้วิธีจัดอันดับโค้งและวิธีการแก้ไขการตั้งค่า
( เก่า et al . , 2005 ) เพื่อรองรับรูปแบบการกระจายต่างๆใน
logcs – logq แปลง ( รูปที่ 2 ) ประการแรก ข้อผิดพลาดที่ตกค้างใน
โค้งอันดับพยากรณ์คำนวณ :
CSI = κ qbi εผม

ที่ CSI และชิεผมสังเกต จำหน่าย น้ำ ดินตะกอน จำหน่าย
และข้อผิดพลาดที่เหลืออยู่ระหว่างการสังเกตและการคาดการณ์
สำหรับ ith ตะกอน การสังเกต κเป็นคาดตะกอน
ความเข้มข้นในหน่วยการระบายน้ำ ( ลบ . ม. / วินาที ) , และ B เป็นมาตราส่วน
ยกกำลัง . จากนั้นเอียงแก้ไขปัจจัย บีตา ถูกนิยามว่าผลรวม
ของความคลาดเคลื่อน หารด้วยผลรวมของการคาดการณ์ทั้งหมด มีการแก้ไขความสัมพันธ์ระหว่างความเข้มข้นของตะกอนประมาณ
( CS ) และ q เป็น

แสดง : CS = ð 1 βÞ⋅κ QB
:
ตามการศึกษาเก่า et al . ( 2005 ) , ปัจจัยบีตาสามารถ
มีประสิทธิภาพปรับเปลี่ยนตัวแปร ( CS ) ข้อผิดพลาดที่เหลือในการแก้ไขความสัมพันธ์
จะสมดุล และผลรวมของทั้งหมด
คาดคะเนจะประมาณผลรวมของการสังเกตทั้งหมด ดังนั้น
ปล่อยตะกอนที่ใหญ่ที่สุดสามารถดีกว่าคาด ( เก่า et al . , 2005 ) .
ในการศึกษาการปรับเลขยกกำลัง 1.06 สำหรับ sinwulu
แม่น้ำและ 0.95 สำหรับ luye แม่น้ำประมาณโดยการจัดตั้ง