fa شناسایی داده‌های پرت در سری‌زمانی تیکه‌نگاری صوتی رودخانه‌ای برای‌ اندازه‌گیری دبی رودخانه با استفاده از تحلیل طیفی منفرد اصلاح‌شده و روش چگالی کرنل (مقاله پژوهشی) ریاضیات در صوتیّات Mathematics in Acoustics پژوهشي Research <div style="text-align: justify;"><span style="font-family:IRANyekan;"><span style="font-size:11pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span lang="FA">دستیابی به داده‌های پیوسته‌ی دبی رودخانه‌ به‌منظور ارزیابی‌های زیست‌محیطی، اجتماعی و اقتصادی، از چالش‌های مهم مدیریت منابع آب است. برای ارتقای دقت اندازه‌گیری‌های جریان و حل مشکلات روش‌های اندازه‌گیری دبی، تیکه‌نگاری صوتی رودخانه‌ای توسعه پیدا کرده‌اند. این سامانه از روش تیکه‌نگاری برای پایش پیوسته جریان استفاده می‌کند. داده‌های برداشت‌شده حاوی داده‌های پرتی است که عدم شناسایی و حذف آن‌ها موجب تغییر نتایج خروجی و خطای اندازه‌گیری می‌گردد. در این پژوهش از تحلیل طیفی منفرد اصلاح‌شده و روش ترکیبی چگالی کرنل به همراه پنج روش جایگزینی درون‌یابی خطی، میانگین داده‌های پرت‌کاوی‌شده، میانگین داده‌های پرت‌کاوی‌نشده، جایگزینی داده پرت با آخرین داده‌ی معتبر پیش از داده‌ی پرت و میانگین یک نقطه در هر طرف داده‌ی پرت استفاده شده است. در تحلیل طیفی منفرد اصلاح‌شده و روش چگالی کرنل از 12232 داده به ترتیب 1076 داده که حدود 9 درصد و 676 داده که حدود 6 درصد از کل داده‌ها را شامل می‌شود به عنوان داده‌های پرت شناسایی شدند. با توجه به تحلیل‌ها و بررسی‌های انجام‌شده تحلیل طیفی منفرد اصلاح‌شده عملکرد بهتری نسبت به روش چگالی کرنل داشته است.</span></span></span></span></span></div> <br> <span style="font-size:11pt"><span style="text-justify:kashida"><span style="text-kashida:0%"><span style="direction:rtl"><span style="unicode-bidi:embed"><span style="font-family:Symbol"><span lang="FA" style="font-family:"Arial",sans-serif"></span></span></span></span></span></span></span><br> &nbsp; <span style="font-size:12pt"><span style="text-justify:kashida"><span style="text-kashida:0%"><span style="line-height:150%"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><span style="font-size:11.0pt"><span style="line-height:150%">Continuous monitoring of river discharge is crucial for environmental, social, and economic evaluations in water resources management. River acoustic tomography is a system that uses the acoustic tomography method to improve the accuracy of flow measurements and solve the problems of discharge measurement methods. However, the collected data may contain outlier data, which can change the output results and measurement error if not identified and removed. In this research, modified singular spectrum analysis and hybrid kernel density method along with five replacement methods were used to identify and remove outliers. The replacement methods include linear interpolation, an average of outlier data, an average of unexamined outlier data, the replacement of outlier data with the last valid data before the outlier data, and the average of one point on each side of the outlier data. Out of 12232 data, 1076 data (about 9%) and 676 data (about 6%) of the total data were identified as outlier data using the modified singular spectrum analysis and kernel density method, respectively. According to the analyses and investigations, the modified singular spectrum analysis has performed better than the kernel density method.</span></span></span></span></span></span></span></span><br> <span style="font-size:11pt"><span style="unicode-bidi:embed"><span style="font-family:Symbol">^{<span dir="RTL" lang="FA" style="font-size:10.0pt"><span style="font-family:"Times New Roman",serif"></span></span>}</span></span></span> تیکه‌نگاری صوتی رودخانه‌ای, داده‌های پرت, تحلیل طیفی منفرد اصلاح‌شده, چگالی کرنل, دبی رودخانه. Fluvial acoustic tomography, Outlier detection, Singular spectrum analysis, Kernel density, River discharge. 33 40 http://joasi.ir/browse.php?a_code=A-10-150-1&slc_lang=fa&sid=1 F. Hoveyzi فاطمه حویزی fatemeh.hoveyzi@shahed.ac.ir 10031947532846003944 10031947532846003944 No دانشگاه شاهد S.H. Momeni Masuleh سید حجت‌اله مؤمنی ماسوله momeni@shahed.ac.ir 10031947532846003945 10031947532846003945 Yes دانشگاه شاهد M. BahreiniMotlagh مسعود بحرینی مطلق masoud.bahraini.m@gmail.com 10031947532846003946 10031947532846003946 No پژوهشکده تحقیقات آب