تحلیل عدم قطعیت دربرآوردپارامترهای مدل بارش رواناب باالگوریتم مونت کارلو زنجیره مارکوف
- سال انتشار: 1395
- محل انتشار: سازمان آب و برق خوزستان
- کد COI اختصاصی: R-1047443
- زبان مقاله: فارسی
- تعداد مشاهده: 365
نویسندگان
استاد هیدرولوژی دانشگاه شهید چمران اهواز
دانش آموخته دکترای هیدرولوژی دانشگاه شهید چمران اهواز
چکیده
< p dir="RTL"> یافتن مقادیر بهینه برای پارامترهای هر مدل شبیهسازی، کاری است که همواره با شک و تردید همراه میباشد. مثلاً یک هیدرولوژیست با وجود مهارت و تجربه بالا هم نمیتواند به نتایج برآورد خود اطمینان کافی داشته باشد. هدف از تحقیق حاضر، پیدا کردن محدوده اطمینان برای دبی خروجی و توزیع احتمالاتی پسین پارامترهای یک مدل توزیعی بارش- رواناب به کار رفته در حوضه ابولعباس در استان خوزستان با استفاده از الگوریتم عدم قطعیت متروپولیس تطبیقی، تکامل تفاضلی (< span dir="LTR"> DREAM< /span> ) می باشد. این روش که اخیراً توسعه یافته است مبتنی بر روش نمونه گیر متروپولیس از گروه روش های مونت کارلو- زنجیر مارکف بوده که به خوبی قادر به بررسی فضای پارامتری با حداقل تعداد تکرار می باشد. تعداد چهار رویداد برای واسنجی و دو رویداد برای صحت سنجی توزیعهای پسین پارامترها به کار گرفته شد. مدل هیدرولوژیک توزیعی < span dir="LTR"> AFFDEF< /span> توسعه یافته در زبان برنامه نویسی< span dir="LTR"> Fortran < /span> بدلیل خطای کمتر آن - به نسبت مدلهای یکپارچه - که ناشی از تخصیص مقادیر ورودی برای هر سلول می باشد، در این تحقیق بکار گرفته شد. بهبود نتایج مدل با اضافه شدن مولفه جریان زیر سطحی به آن صورت گرفت. تعداد 45000 اجرای مدل بارش-رواناب < span dir="LTR"> AFFDEF< /span> برای سه رخداد و 75000 تکرار برای یک رخداد باقیمانده دوره واسنجی انتخاب گردید بطوریکه معیار همگرایی گلمن و رابین (< span dir="LTR"> R<1.2< /span> ) در تمامی رخدادها ارضا گردد. سپس ساخت توزیع های پسین برای 9 پارامتر واسنجی مدل بارش-رواناب، با استفاده از پارامترهای 20 درصد انتهای هر زنجیر انجام گرفت. مقایسه محدوده توزیعهای پارامترهای بدست آمده برای چهار رخداد واسنجی نشان از کاهش چشم گیر محدوده اولیه هر پارامتر داشت. نتایج بازه های 95 درصد اطمینان رویدادهای دورههای واسنجی نشان داد که علاوه بر عدم قطعیت ناشی از پارامترهای مدل بارش-رواناب، منابع دیگر عدم قطعیت مانند ساختار مدل و مقادیر ورودی های اندازه گیری شده نیز سهم مهمی در خطای شبیه سازی دارند. همچنین دبیهای اوج هیدروگراف که یکی از مهمترین مولفههای آن میباشند به خوبی در اطراف بازههای اطمینان 95 درصد تعیین شده قرار گرفتند. در مورد نقاط ابتدایی و انتهایی برخی رخدادها، شرایط رطوبتی اولیه مدل و خطاهای موجود در روشهای تعیین دبی پایه برای رویداد های کوتاه مدت باعث شده اند تا بازه اطمینان آنها، نقاط اندازه گیری شده را به خوبی در بر نگیرد و این نقاط تا حدودی خارج از محدوده اطمینان شبیهسازی شده قرار گیرند. کارایی بالای الگوریتم < span dir="LTR"> DREAM< /span> در سرعت بالای رسیدن به همگرایی از دیگر ویژگی های خاص این الگوریتم می باشد بطوریکه مقایسه نتایج تعداد تکرارهای مورد نیاز الگوریتم جدید < span dir="LTR"> DREAM< /span> با الگوریتم قبلی < span dir="LTR"> SCEM-UA< /span> نشان از کارآیی بالای آن را داشت. اَشکال توزیع های پسین ارائه شده از رخدادهای دوره واسنجی به همراه نتایج صحت سنجی اخذ شده توسط توزیع نماینده (بهترین توزیع دوره واسنجی)، هر دو موید این مطلب بودند که توزیع پارامترها وابستگی زیادی به مشخصات رخداد از قبیل شرایط رطوبتی، مقدار دبی اوج، فصل وقوع بارش و مقدار آن دارند. به طوری که در یک رخداد منفرد توزیع پارامترها حول مقدار مشخصی متمرکز می شود در حالی که در مجموع سیلاب ها این امر اتفاق نمی افتد.< /p> < p dir="RTL"> < /p>کلیدواژه ها
عدم قطعیت، مدل توزیعی بارش-رواناب، مونت کارلو زنجیره مارکفاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.