مدل سازی رواناب با استفاده از مدل HBV و الگوریتم جنگل تصادفی (محدوده مورد مطالعه: حوزه آبخیز چم انجیر، استان لرستان)

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 196

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IWRR-18-2_008

تاریخ نمایه سازی: 24 بهمن 1401

چکیده مقاله:

برآورد رواناب ناشی از بارندگی، گام مهمی در مدیریت منابع آب به ویژه در آبخیزهای فاقد ایستگاه هیدرومتری است. از این رو پژوهش در ارتباط با مدل‎هایی که بتواند در این حوضه ‎ها با کمترین خطا، جریان رودخانه را شبیه‎ سازی کند امری ضروری و اجتناب‎ ناپذیر است. امروزه به دلیل مسائل و مشکلات موجود در زمینه منابع آبی، برآورد حجم رواناب حاصل از بارندگی، از نظر تامین آب و مدیریت منابع آب روز به روز اهمیت بیشتری پیدا می­کند. در این مطالعه از مدل مفهومی HBV و مدل هوش مصنوعی جنگل تصادفی (RF) به منظور شبیه ‎سازی فرآیند رواناب حوضه آبخیز چم انجیر در استان لرستان برای دوره آماری ۲۰۰۶ تا ۲۰۱۵ استفاده شده است. بدین منظور، ابتدا آمار و اطلاعات مورد نیاز مدل‎ها از جمله دما، بارش، دبی و تبخیر و تعرق جمع ‎آوری شد. سپس، شبیه­ سازی در بازه زمانی مورد نظر انجام شد و برای ارزیابی عملکرد مدل‎ها، از معیارهای  نش- ساتکلیف و ضریب تعیین استفاده شد. نتایج معیارهای ارزیابی برای مدل HBV در ضریب نش ۰/۶۷ و در ضریب تعیین ۰/۶۸ و برای RF در ضریب نش ۰/۸۲ و در ضریب تعیین ۰/۸۶ به دست آمدند که بیانگر عملکرد بهتر مدل RF در شبیه‎ سازی جریان روزانه در منطقه مورد مطالعه است و این مدل می­تواند در آینده به عنوان یک گزینه جدید برای شبیه ‎سازی جریان روزانه حوضه چم انجیر مورد استفاده قرار گیرد.

کلیدواژه ها:

نویسندگان

عاطفه امیری

دانشجوی دکتری مهندسی آبخیزداری، دانشکده منابع طبیعی و علوم زمین شهرکرد، دانشگاه شهرکرد، ایران.

مرتضی قیصوری

دانشجوی دکتری مدیریت حوضه‎های آبخیز، دانشکده منابع طبیعی، دانشگاه تهران، ایران.

عارف صابری

دانشجوی دکتری علوم و مهندسی آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ایران.

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 :