جذب داده برای واسنجی-پیشبینی با استفاده از مدل SWAT
Authors
Abstract:
در این پژوهش به منظور تخمین پارامترهای مدل SWAT و بکارگیری آن برای شبیه‌سازی هیدرولوژیکی حوضه آبریز مهابادچای (از رودخانه‌های منتهی به دریاچه ارومیه) و پیشبینی آبدهی رودخانه، از جذب داده استفاده میشود. در ابتدا پس از مدلسازی با استفاده از SWAT، روش SUFI2 که جزء روشهای واسنجی خودکار مبتنی بر عدم‌قطعیت و بهینه‌سازی بوده و درون بسته نرم‌افزاری SWAT-CUP در دسترس است، برای واسنجی مدل SWAT استفاده می‌گردد. سپس برای نشان دادن قابلیتهای جذب داده متوالی در تخمین پارامترهای مدل SWAT و پیشبینی آبدهی رودخانه به صورت همزمان، از فیلتر آنسامبل کالمن (EnKF) به صورت تخمین متصل متغیر حالت-پارامتر با برنامه‌نویسی درون محیط نرم‌افزار MATLAB و فراخوانی مدل در همانجا، استفاده میشود. نتایج نشان می‌دهد که روند همزمانی واسنجی-پیشبینی با استفاده از الگوریتم EnKF برای مدل SWAT باعث افزایش دقت پیشبینی و شبیه‌سازی آبدهی ماهانه رودخانه مهاباد در ایستگاه بیطاس در مقایسه با نتایج حاصل از واسنجی مدل با استفاده از الگوریتم SUFI2 میشود.
similar resources
واسنجی چند ایستگاهی رواناب حوضه آبخیز هراز با مدل SWAT
کارایی مدل‌های هیدرولوژیک در شبیه‌سازی مقدار رواناب در حوضه‌هایی با مساحت‌های مختلف متفاوت است. در این تحقیق، کارایی مدل SWAT در شبیه‌سازی مقدار رواناب حوضة آبخیز هراز، در زیرحوضه‌هایی با مساحت‌های مختلف ارزیابی شده است. برای این منظور، با استفاده از روش SUFI2 تحلیل حساسیت برای پارامترهای مؤثر در شبیه‌سازی مقدار رواناب منطقه انجام شد. پارامتر CN به‌منزلة حساس‌ترین پارامتر انتخاب شد. مدل SWAT در...
full textواسنجی چند ایستگاهی رواناب حوضه آبخیز هراز با مدل swat
کارایی مدل های هیدرولوژیک در شبیه سازی مقدار رواناب در حوضه هایی با مساحت های مختلف متفاوت است. در این تحقیق، کارایی مدل swat در شبیه سازی مقدار رواناب حوضة آبخیز هراز، در زیرحوضه هایی با مساحت های مختلف ارزیابی شده است. برای این منظور، با استفاده از روش sufi2 تحلیل حساسیت برای پارامترهای مؤثر در شبیه سازی مقدار رواناب منطقه انجام شد. پارامتر cn به منزلة حساس ترین پارامتر انتخاب شد. مدل swat در...
full textپیشبینی تغییرات کاربری اراضی با استفاده از مدل LCM
رشد جمعیت منجر به گسترش شهرها، مناطق صنعتی، زمینهای کشاورزی و تغییر کاربری اراضی شده است. تحقیق حاضر با هدفمدلسازی و پیشبینی تغییرات کاربری/ پوشش اراضی با استفاده از مدل LCMبر مبنای سه سناریوی مدیریتی به نامهای سناریویتداوم، سناریوی کشاورزی- حفاظتی و سناریوی تغییرات محدودیت در منطقه دیلمان استان گیلان انجام پذیرفت. مدل LCMاز مدلزنجیره مارکوف، شبکه عصبی چند لایه پرسپترون و MOLA...
full textواسنجی و اعتبارسنجی مدل SWAT با استفاده از الگوریتم پرندگان برای شبیه سازی رواناب و رسوب در یک حوزه آبخیز کوهستانی
فرسایش خاک یک تهدید زیست محیطی جدی برای توسعه پایدار و کشاورزی است که می‌تواند منجر به کاهش حاصل‌خیزی خاک، هدررفت عناصر غذایی و کاهش عملکرد گیاهی در زمینهای کشاورزی شود. در این پژوهش قابلیت استفاده از مدل SWAT برای شبیه‌سازی رواناب و رسوب روزانه در حوزه آبخیز بازفت (از زیرحوزه‌های اصلی حوزه آبخیز کارون شمالی) بررسی شد. برای این منظور ابتدا امکان استفاده از سه مجموعه داده اقلیمی مختلف شامل داده...
full textارزیابی الگوریتم سبال برای تخمین تبخیر- تعرق واقعی حوضه نیشابور-رخ با استفاده از مدل SWAT
الگوریتم سبال ابزاری است که از آن برای تخمین توزیع مکانی تبخیر- تعرق واقعی با استفاده از تصاویر ماهوارهای از جمله مودیسو لندست استفاده میشود. اگرچه تصاویر لندست دارای توان تفکیک مکانی بالاتری نسبت به تصاویر مودیس هستند (30 متر در برابر 1000 متر)، اما توان تفکیک زمانی آنها نسبت به تصاویر مودیس کمتر است (هر 16 روز در برابر هر روز). از طرف دیگر، تصاویر هر روزه مودیس به دلیل مشکلاتی از قبیل ابرن...
full textشبیه‌سازی بارش – رواناب حوضه قره‌سو با استفاده از مدل SWAT
زمینه و هدف: شبیه‌سازی بارش–رواناب در بسیاری از مطالعات هیدرولوژی، از جمله بررسی اثر تغییر اقلیم بر جریان رودخانه، پیشبینی سیلاب و برنامه‌ریزی منابع آب از اهمیت ویژه‌ای برخوردار است. مدل SWAT[1] برای شبیه‌سازی انتقال جریان، رسوب و متغیرهای کیفی (فسفر و نیتروژن و ...) در حوضه‌های آبریز استفاده می‌گردد. مدل SWAT یک مدل سری زمانی توزیعی با مبنای فیزیکی می‌باشد. این مدل قابلیت اتصال به GIS[2] را ...
full textMy Resources
Journal title
volume 14 issue 1
pages 1- 12
publication date 2018-03-21
By following a journal you will be notified via email when a new issue of this journal is published.
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023