ارزیابی خصوصیات واسنجی مدل هیدرولوژیکی SWAT در یک حوضه کوهستانی
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 235
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ESTJ-24-6_007
تاریخ نمایه سازی: 20 اسفند 1401
چکیده مقاله:
زمینه و هدف: اطلاعات دقیق در مورد رواناب آینده در یک حوضه، تصمیمات مربوط به مدیریت و منابع آب تسهیل می کند و به حفظ منابع طبیعی برای توسعه پایدار کمک می کند. دو عامل هزینه و زمان دقیق مستقیما با تخمین دقیق رواناب ارتباط دارند. استفاده از مدل های کامپیوتری برای شبیه سازی پدیده های طبیعی نظیر چرخه هیدرولوژی یکی از روش های کاهش هزینه و افزایش دقت می باشد که بسیار مورد توجه بوده است.روش بررسی: در این تحقیق برای بررسی دقت روش های متفاوت واسنجی و اعتبارسنجی در شبیه سازی هیدرولوژیکی حوضه آبریز قره سو، از مدل هیدرولوژیکی SWAT استفاده شد که در آن مقایسه بین روش های GLUE و PSO با روش SUFI-۲ برای کالیبراسیون مدل مورد بررسی قرار گرفت. برای شبیه سازی، در یک وضعیت یکسان، ۱۳ پارامتر حساس در همه روش ها انتخاب شدند. لازم به ذکر است که داده های مورد نیاز برای این تحقیق از داده های جهانی (وبسایت مدل SWAT) و ملی (شرکت مدیریت منابع آب) جمع آوری شدند.یافته ها: هر سه روش GLUE و PSO با روش SUFI-۲ قادر به شبیه سازی رواناب با R۲ و NSE قابل قبول بودند (بالای ۷/۰) و تجزیه و تحلیل حساسیت نشان داد که Sol_K ، CH_N۲ و CN۲ حساسیت بیشتری نسبت به سایر پارامترها دارند.بحث و نتیجه گیری: اگرچه الگوریتم های SUFI-۲، PSO و GLUE می توانند اختلاف بین داده های مشاهده ای و شبیه سازی شده را کاهش دهند، اما عملکرد الگوریتم SUFI-۲ در شبیه سازی رواناب دقیق تر از الگوریتم های دیگر است. بنابراین پیشنهاد می شود که از این الگوریتم برای پیش بینی رواناب استفاده گردد.
کلیدواژه ها:
نویسندگان
بابک امین نژاد
استادیار، گروه مهندسی عمران، هیئت علمی دانشگاه آزاد اسلامی واحد رودهن. (مسوول مکاتبات)
سیدبامداد غفوریان
دانشجوی دکتری، گروه مهندسی عمران، هیئت علمی دانشگاه آزاد اسلامی واحد رودهن.
حسین ابراهیمی
دانشیار، گروه علوم و مهندسی آب، هیئت علمی دانشگاه آزاد اسلامی واحد شهر قدس.
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 :