<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>دانشگاه تبریز</PublisherName>
				<JournalTitle>جغرافیا و برنامه‌ریزی</JournalTitle>
				<Issn>2008-8078</Issn>
				<Volume>30</Volume>
				<Issue>97</Issue>
				<PubDate PubStatus="epublish">
					<Year>2026</Year>
					<Month>10</Month>
					<Day>23</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Statistical Modeling and Analysis of Peak Flood Discharge in the Tang-e-Karzin Catchment Using Bootstrapping and Multiple Probability Distributions</ArticleTitle>
<VernacularTitle>مدل‌سازی آماری و تحلیل دبی اوج سیلاب در حوضه تنگ کارزین با استفاده از روش بوت‌استرپینگ و توزیع‌های احتمالاتی چندگانه</VernacularTitle>
			<FirstPage></FirstPage>
			<LastPage></LastPage>
			<ELocationID EIdType="pii">20374</ELocationID>
			
<ELocationID EIdType="doi">10.22034/gp.2025.67538.3413</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>هیوا</FirstName>
					<LastName>علمی زاده</LastName>
<Affiliation>هیئت علمی دانشگاه علوم و فنون خرمشهر</Affiliation>

</Author>
<Author>
					<FirstName>Pldn</FirstName>
					<LastName>زینلی</LastName>
<Affiliation>گروه زمین‌شناسی، دانشگاه علوم و فنون دریایی خرمشهر، ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2025</Year>
					<Month>05</Month>
					<Day>27</Day>
				</PubDate>
			</History>
		<Abstract>Flood frequency analysis and statistical modeling of peak discharge are essential for water resource management, hydraulic structure design, and flood hazard mitigation in semi-arid regions. This study analyzes the peak flood discharge of the Qareh-Aghaj River in the Tang-e-Karzin catchment, employing multiple probability distributions, including Gumbel Type 1, 2-parameter Gamma, 2- and 3-parameter Log-Normal, Generalized Pareto, Generalized Extreme Value (GEV), and Pearson Type 3. Parameters were estimated using methods of moments (MOM), maximum likelihood (MML), probability-weighted moments (PWM), and maximum entropy (ENT). To assess uncertainty in peak discharge predictions for return periods of 2 to 1,000 years, non-parametric bootstrapping with 1,000 random samples was applied. Peak discharge data were evaluated using foundational statistical tests: the runs test (z=0.025), Grubbs-Beck test (indicating an extreme flood event), Wald-Wolfowitz test (u=0.896), and Mann-Whitney test (p-value=0.6625), confirming data randomness, independence, and homogeneity. The Kolmogorov-Smirnov (K-S) test assessed goodness-of-fit, with the 2-parameter Log-Normal (K-S=0.089) and GEV (K-S=0.063, peak discharge 11,044.6 m³/s for a 1,000-year return period) distributions demonstrating superior performance. Bootstrapping generated 95% confidence intervals, reducing prediction uncertainty, particularly for these distributions. Comparisons using K-S and Anderson-Darling (A-D) criteria further confirmed their superiority. The findings validate bootstrapping as an effective tool for enhancing hydrological predictions and provide recommendations for designing flood-resilient structures and optimizing water resource management in the Tang-e-Karzin catchment. These results offer a foundation for flood management, hydraulic structure design, and water resource planning in this catchment and similar semi-arid regions.</Abstract>
			<OtherAbstract Language="FA">تحلیل فراوانی سیلاب و مدل‌سازی آماری دبی اوج برای مدیریت منابع آب، طراحی سازه‌های هیدرولیکی و کاهش مخاطرات سیل در مناطق نیمه‌خشک ضروری است. در این پژوهش با هدف تحلیل فراوانی دبی اوج سیلاب رودخانه قره‌آغاج در حوضه تنگ کارزین، توزیع‌های احتمالاتی شامل گامبل نوع 1، گاما 2 پارامتری، لوگ نرمال 2 و 3 پارامتری، پارتو تعمیم‌یافته، مقادیر حدی تعمیم‌یافته (GEV) و پیرسون نوع 3 با روش‌های برآورد پارامترهای گشتاورهای معمولی (MOM)، حداکثر درست‌نمایی (MML)، گشتاورهای وزن‌دار احتمالی (PWM) و حداکثر آنتروپی (ENT) مدل‌سازی شدند. برای ارزیابی عدم قطعیت در پیش‌بینی دبی اوج در دوره‌های برگشت 2 تا 1000 سال، روش بوت‌استرپینگ با 1000 نمونه‌گیری تصادفی اعمال شد. همچنین داده‌های دبی اوج با آزمون‌های آماری پایه (گردش، گروبز-بگ، والد-ولفوویتز، من-ویتنی) شامل گردش (z=0.025)، گروبز-بگ (شان‌دهنده رویداد سیلابی شدید)، والد-ولفوویتز (u=0.896) و من-ویتنی (p-value=0.6625) تحلیل شدند که تصادفی بودن، استقلال و همگنی داده‌ها را تأیید کردند. در ادامه آزمون کولموگروف-اسمیرنوف (K-S) برای ارزیابی نیکویی برازش استفاده شد و توزیع‌های لوگ نرمال 2 پارامتری و GEV (دبی اوج m³/s 11044.6 در 1000 سال) بهترین برازش را نشان دادند (063/0 و 0.089 K-S:). بوت‌استرپینگ بازه‌های اطمینان 95% را برای دبی اوج تولید کرد که نشان‌دهنده کاهش عدم قطعیت در پیش‌بینی‌ها به‌ویژه برای توزیع‌های مذکور بود. مقایسه معیارهای K-S و اندرسون-دارلینگ (A-D) نیز بر برتری این توزیع‌ها تأکید کرد. نتایج این مطالعه کاربرد روش بوت‌استرپینگ را به‌عنوان ابزاری مؤثر برای بهبود پیش‌بینی‌های هیدرولوژیکی تأیید می‌کند و توصیه‌هایی برای طراحی سازه‌های مقاوم در برابر سیلاب و مدیریت بهینه منابع آب در حوضه تنگ کارزین ارائه می‌دهد. نتایج این مطالعه می‌توانند به‌عنوان مبنایی برای مدیریت سیلاب، طراحی سازه‌های هیدرولیکی و برنامه‌ریزی منابع آب در این حوضه و سایر مناطق مشابه در اقلیم‌های نیمه‌خشک مورد استفاده قرار گیرند.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">مخاطرات سیلاب</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">بوت‌استرپینگ</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">رودخانه قره‌آغاج</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">عدم قطعیت</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مدل‌سازی هیدرولوژیکی</Param>
			</Object>
		</ObjectList>
</Article>
</ArticleSet>
