CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

تاثیر انتخاب تابع درستنمایی در تخمین عدم قطعیت مدل شبیه سازی سیلاب HEC-HMS با استفاده از الگوریتم مونت کارلو زنجیر مارکوف

عنوان مقاله: تاثیر انتخاب تابع درستنمایی در تخمین عدم قطعیت مدل شبیه سازی سیلاب HEC-HMS با استفاده از الگوریتم مونت کارلو زنجیر مارکوف
شناسه ملی مقاله: JR_IWRR-12-3_008
منتشر شده در در سال 1395
مشخصات نویسندگان مقاله:

مه روز نورعلی - دانشجوی دکتری /آبیاری و زهکشی, پردیس بین الملل دانشگاه فردوسی مشهد
بیژن قهرمان - استاد/ گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد
محسن پوررضا بیلندی - استادیار/گروه مهندسی آب، دانشکده کشاورزی، دانشگاه بیرجند
کامران داوری - استاد/ گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد.

خلاصه مقاله:
در تحقیق حاضر از الگوریتم DREAM(ZS) (از الگوریتم های مبتنی بر مونت کارلو زنجیره مارکوف) به منظور بررسی عدم قطعیت پارامترهای مدل-هیدرولوژیکی HEC-HMS در حوزه آبخیز تمر به مساحت ۱۵۳۰کیلومتر مربع واقع در استان گلستان استفاده شد. از سه رویداد برای واسنجی و یک رویداد در اعتباریابی استفاده گردید و تعداد ۲۴ پارامتر واسنجی برای کل حوزه درنظر گرفته شد. همچنین تاثیر ۵ تابع درستنمایی بر روی نتایج روش DREAM(ZS) ارزیابی گردید. توابع درستنمایی L۱ تا L۳ به عنوان توابع درستنمایی غیرصریح (informal) و توابع درستنمایی L۴ و L۵ به عنوان توابع درستنمایی صریح (formal) در نظر گرفته شدند. تابع درستنمایی L۱، راندمان ناش ساتکلیف (NS) می باشد. L۲، حداقل میانگین مربعات خطا است. تابع درستنماییL۳، از واریانس خطای تخمین مدل استفاده می کند. تابع درستنمایی L۴، ارتباط بین برازش حداقل مربعات استاندارد (SLS) و استنباط بیزی را مشخص می کند. در تابع درستنمایی L۵، وابستگی پیاپی خطاهای باقی مانده با استفاده از مدل خودرگرسیون مرتبه اول باقی مانده های خطا (AR) محاسبه می شود. نتایج نشان داد که حساسیت پارامترها وابسته به انتخاب تابع درستنمایی بوده و حساسیت همه پارامترها در برابر توابع مختلف درستنمایی یکسان نیستند. بیشتر پارامترها توسط تابع درستنمایی L۴ و L۵ بهتر تعیین شده و حساسیت بالایی را به عملکرد مدل نشان دادند. مقدار فاکتور P عدم قطعیت کل نشان داد که ۷۵ تا ۱۰۰ درصد مشاهدات دربازه های عدم اطمینان ۹۵% پیش بینی مدل قرار می گیرد. نتایج بررسی معیارهای ارزیابی عدم قطعیت شامل فاکتورP، فاکتور R، RMSE، KGEو NS نشان داد که عملکرد DREAM(ZS) با توابع درستنمایی L۴ و L۵ بهتر از توابع دیگر درستنمایی است.

کلمات کلیدی:
عدم قطعیت, الگوریتم DREAM(ZS), تابع درستنمایی, HEC-HMS, خودرگرسیون مرتبه اول

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1606037/