شبیه سازی رواناب با مدل HEC-HMS و آنالیز حساسیت پارامترهای روندیابی هیدروگراف سیل با استفاده از الگوریتم تکامل تفاضلی (مطالعه موردی : حوضه آبریز رودخانه مرک)
محل انتشار: مجله تحقیقات آب و خاک ایران، دوره: 55، شماره: 4
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 130
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJSWR-55-4_001
تاریخ نمایه سازی: 9 مرداد 1403
چکیده مقاله:
شبیه سازی بارش رواناب و تولید هیدروگراف، کاربرد فراوانی در تحلیل رفتار حوضه در مقابل بارش، محاسبه حجم و پیک سیلاب، میزان تلفات و امکان طراحی ابعاد سازه ها دارد. یکی از رایج ترین مدل های شبیه ساز HEC-HMS می باشد. در این پژوهش با هدف آنالیز حساسیت پارامترهای روندیابی هیدروگراف سیل در حوضه آبریز رودخانه مرک، ابتدا با افزونه HEC-GeoHMS در محیط Arc GIS و نقشه DEM منطقه، خصوصیات فیزیوگرافی حوضه ساخته و در مدل HEC-HMS فراخوانی گردید. سپس با وارد نمودن داده های سه رخداد سیلاب و بارش متناظر آن، هیدروگراف محاسباتی ایجاد و جهت واسنجی ابتدا به روش سعی وخطا مدل در محدوده ای مطلوب قرار گرفت که بتوان با استفاده از الگوریتم تکامل تفاضلی بهینه سازی را انجام داد. در بهینه سازی با تابع هدف به حداقل رساندن میانگین مجموع مربعات خطا، پارامترهای K و X ماسکینگام که حساسیت ویژه ای در تولید هیدروگراف دارند بهینه و کارایی مدل را در رده عالی قرار داد بطوریکه برای رخداد سیلاب تاریخ آبان ۱۳۹۴ معادل نوامبر۲۰۱۵ و با شرط توقف ۵۰ تکرار (NSE=۰.۸۷۱, PBIAS=۲۵.۵۲, RMSE=۰.۴, NRMSE=۲.۶۳)، در رخداد سیلاب فروردین ۱۳۹۵ معادل مارس۲۰۱۶ ( NSE=۰.۷۳۱, PBIAS=۲۸.۸۲, RMSE=۰.۵, NRMSE=۱.۰۱) و در رخداد اسفند ۱۳۹۸ معادل فوریه۲۰۲۰ (NSE=۰.۸۳۴, PBIAS=۷.۹۶, RMSE=۰.۴, NRMSE=۰.۹۵) قرار گرفت که نشان از کارایی عالی مدل بعد از بهینه سازی ضرایب ماسکینگام با الگوریتم تکامل تفاضلی(DE) دارد.
کلیدواژه ها:
نویسندگان
کامران عزیزی
گروه مهندسی آب، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، ایران
مریم حافظ پرست مودت
گروه مهندسی آب، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه، 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 :
