جذب داده متوالی جهت واسنجی مدل هیدرولوژیکی SWAT
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 768
فایل این مقاله در 7 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:
SDEWE02_088
تاریخ نمایه سازی: 11 مرداد 1396
چکیده مقاله:
جذب داده (data assimilation) امروزه به عنوان یکی از روش های مهم در پیش بینی پدیده ها و همچنین واسنجی مدل های هواشناسی وهیدرولوژیکی شناخته می شود. در این پژوهش به منظور شبیه سازی هیدرولوژیکی حوضه ی آبریز مهاباد چای (از زیرحوضه های دریاچهارومیه)، از مدل SWAT استفاده گردید. در این تحقیق برای واسنجی مدل SWAT از روش جذب داده ی فیلتر کالمن مبتنی بر آنسامبل(EnKF) استفاده شد. بدین منظور مدل هیدرولوژیکی بارش-رواناب حوضه ی آبریز مهاباد، ساخته شده با استفاده از مدل SWAT، درونالگوریتم EnKF که در محیط نرم افزار MATALB کد شده بود فراخوانی شد. شایان ذکر است که واسنجی مدل SWAT به طورمعمول با استفاده از بسته ی نرم افزاری SWAT-CUP انجام می شود. به همین جهت در این تحقیق برای نمایش کارایی روش جذب داده،از بسته نرم افزاری SWAT-CUP نیز برای واسنجی استفاده شده و نتایج آن با نتایج مربوط به جذب داده مقایسه شده است. به منظورواسنجی با استفاده از بسته نرم افزاری SWAT-CUP از الگوریتم SUFI-2 که یکی از روشهای واسنجی موجود در این بسته نرم افزاریاست، استفاده شد. در روشهای واسنجی معمول، پس از اجرای فرایند واسنجی، تنها یک مقدار مشخص به عنوان پارامتر مدل واسنجی شده،معرفی می شود. اما در فرایند واسنجی با استفاده از روش جذب داده، امکان تغییر مقادیر یک پارامتر مشخص، در هر گام زمانی وجود دارد.با توجه به نتایج به دست آمده، و به دلیل امکان تغییر مقدار پارامتر در روش جذب داده، واسنجی مدل با استفاده از این روش، منجربه نتایجدقیقتری نسبت به اجرای الگوریتم SUFI-2 از بسته نرمافزاری SWAT-CUP گردید.
کلیدواژه ها:
نویسندگان
مهراد بیات
دانشجوی کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه علم وصنعت ایران
حسین علیزاده
استادیار، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران
برات مجردی
استادیار، دانشکده مهندسی عمران، دانشگاه علم و صنعت 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 :