تخمین عدم قطعیت در واسنجی فرآیند بارش– رواناب روزانه با استفاده از تابع تشابه تعمیم یافته در مدل HBV

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 186

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JISE-46-1_008

تاریخ نمایه سازی: 12 تیر 1402

چکیده مقاله:

تعیین دقیق میزان رواناب حاصل از بارش در سطح حوضه های آبریز، به دلیل تاثیر مولفه های مختلف، نظیر رطوبت خاک، تبخیر و تعرق، نفوذ و عدم امکان اندازه گیری دقیق آن ها، توام با خطا است.از این روی شبیه سازی فرآیند بارش– رواناب با عدم قطعیت همراه است. عدم قطعیت در واسنجی مدل ها، ناشی از اطلاعات ورودی، ساختار مدل و پارامترهای به کار رفته می باشد.کمی سازی عدم قطعیت، برای تصمیم گیری در طرح های منابع آب، ضروری است. یکی از روش های محاسبه عدم قطعیت در فرآیند شبیه سازی، استفاده از تئوری بیز به عنوان پایه محاسبات است. در این تحقیق از روش ابتکاری که ترکیبی از تحلیل بیز و شیوه مونت کارلو با در نظر گرفتن معیارهای نکویی برازش است، تحت عنوان تابع تشابه تعمیم یافته در محاسبه عدم قطعیت استفاده گردید. به منظور تشخیص عدم قطعیت پارامترهای مورد استفاده در واسنجی مدل بارش- رواناب HBV از معادله جریان روزانه ورودی به سد شهید رجایی در حوضه آبریز تجن، استفاده گردید. نتایج نشان داد روش مزبور قابلیت تشخیص عدم قطعیت در مدل را دارد. به طوری که شاخص ناش در در بازه ۴/۰ تا ۶۸/۰ به دست آمد. روش مزبور در خصوص شناسایی و معرفی نظریه همپایانی، با استفاده از دسته پارامترهای مختلف در واسنجی مدل، موثر است. به طوریکه با به کارگیری دسته پارامترها، مقدار یکسانی از شاخص نکویی برازش، حاصل می گردد.

نویسندگان

مجتبی احمدی زاده

دانش آموخته دوره دکتری مهندسی منابع آب، دانشگاه بوعلی سینا همدان.

صفر معروفی

استاد گروه مهندسی علوم آب دانشکده کشاورزی، دانشگاه بوعلی سینا همدان

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 :
  • Blasone, R.S., Vrugt, J.A., Madsen, H., Rosbjerg, D., Robinson, B.A. ...
  • Bergström, S. and Graham, L.P., ۱۹۹۸. On the scale problem ...
  • Beven, K. and Binley, A., ۱۹۹۲. The future of distributed ...
  • Beven, K.J., ۲۰۰۱. Rainfall-runoff modelling: The primer. John Wiley & ...
  • Chowdhury, S. and Sharma, A., ۲۰۰۷. Mitigating parameter bias in ...
  • Duan, Q., Sorooshian, S. and Gupta, V., ۱۹۹۲. Effective and ...
  • Engeland, K., Xu, C.Y. and Gottschalk, L., ۲۰۰۵. Assessing uncertainties ...
  • Hastings, W.K., ۱۹۷۰. Monte Carlo sampling methods using Markov chains ...
  • Jorgeson, J. and Julien, P., ۲۰۰۵. Peak flow forecasting with ...
  • Jin, X., Xu, C.Y., Zhang, Q. and Singh, V.P., ۲۰۱۰. ...
  • Kingston, D.G. and Taylor, R.G., ۲۰۱۰. Sources of uncertainty in ...
  • Kuczera, G. and Parent, E., ۱۹۹۸. Monte Carlo assessment of ...
  • Mantovan, P. and Todini, E., ۲۰۰۶. Hydrological forecasting uncertainty assessment: ...
  • Marshall, L., Nott, D. and Sharma, A., ۲۰۰۴. A comparative ...
  • Metropolis, N., Rosenbluth, A.W., Rosenbluth, M.N., Teller, A.H. and Teller, ...
  • Montanari, A., ۲۰۰۵. Large sample behaviors of the generalized likelihood ...
  • Moradkhani, H., Hsu, K.L., Gupta, H. and Sorooshian, S., ۲۰۰۵. ...
  • Nash, J.E. and Sutcliffe, J.V., ۱۹۷۰. River flow forecasting through ...
  • Sorooshian, S. and Dracup, J.A., ۱۹۸۰. Stochastic parameter estimation procedures ...
  • Stedinger, J.R., Vogel, R.M., Lee, S.U. and Batchelder, R., ۲۰۰۸. ...
  • Vázquez, R.F., Beven, K. and Feyen, J., ۲۰۰۹. GLUE based ...
  • Vrugt, J.A., Gupta, H.V., Dekker, S.C., Sorooshian, S., Wagener, T. ...
  • Xu, C.Y., ۲۰۰۱. Statistical analysis of parameters and residuals of ...
  • Xu, H., Taylor, R.G. and Xu, Y., ۲۰۱۱. Quantifying uncertainty ...
  • Zacharias, I., Dimitriou, E. and Koussouris, T., ۲۰۰۵. Integrated water ...
  • نمایش کامل مراجع