تحلیل عدم قطعیت جریان رودخانه با روش glue

thesis
abstract

در سال های اخیر، کاربرد مدل های هیدرولوژیکی توزیعی بر پایه فیزیکی افزایش یافته است. با این حال بسیاری از سوالات در خصوص واسنجی و صحت سنجی صحیح مدل های توزیعی و ارزیابی عدم قطعیت پارامترهای تخمینی، هنوز هم ناشناخته است. به خصوص برای مدل های پیچیده، تخمین پارامترها به طور صحیح، کاهش فضای پارامتری و استفاده از الگوریتم های موثر و کارآمد به منظور کاهش عدم قطعیت و تسهیل فرآیند واسنجی امری ضروریست. هدف از تحقیق حاضر، یافتن بازه اطمینان برای دبی خروجی و توزیع احتمالاتی پسین پارامترهای مدل بارش- رواناب توزیعی affdef در حوضه آبریز معرف کامه در استان خراسان رضوی با استفاده از الگوریتم عدم قطعیت glue می باشد. glue یک نسخه از روش شبیه سازی مونت کارلو بوده و یکی از روش های محبوب برای تحلیل عدم قطعیت پارامتر در مدل سازی هیدرولوژیکی است و به طور گسترده طی دهه اخیر استفاده شده تا عدم قطعیت پیش بینی را به خصوص در کاربردهای هیدرولوژیکی تحلیل کرده و تخمین زند. تعداد سه رویداد برای واسنجی و یک رویداد برای صحت سنجی توزیع احتمالاتی پسین پارامترها به کار گرفته شد. تعداد 10000 بار اجرای مدل بارش- رواناب به منظور افزایش درصد قرارگیری داده های مشاهداتی در بازه اطمینان 95 درصد صورت پذیرفت و بررسی و تحلیل عدم قطعیت پارامترهای مدل بارش- رواناب برروی سه رویداد واسنجی انجام شد. سپس ساخت توزیع های پسین برای 9 پارامتر واسنجی مدل affdef انجام گرفت و تحلیل حساسیت پارامترهای مدل بر اساس آن صورت پذیرفت. نمودارهای توزیع پسین پارامترها در دوره واسنجی و نتایج حاصل از صحت سنجی حاکی از این بودند که نحوه توزیع پارامترها می تواند ارتباط بالا با عوامل مختلفی مانند شرایط رطوبت پیشین خاک و میزان دبی اوج و فصل وقوع بارش داشته باشد. معیارهای ارزیابی الگوریتم عدم قطعیت glue توسط دو شاخص d-factor و p-factor نشان داد که مقادیر d-factor در مرحله واسنجی دبی 24 ساعته بین 47/0تا 52/ 0و مقادیر p-factor بین 40 درصد تا 50 درصد بودند. کم بودن مقادیر d-factor بیانگر واسنجی خوب رواناب در حوضه و بالا بودن مقادیر p-factor بیانگر عدم قطعیت پایین پیش بینی ها بود.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

واسنجی و تحلیل عدم قطعیت مدل SWAP با استفاده از روش GLUE

تجزیه و تحلیل عدم قطعیت پارامترها در مدل­های هیدرولوژی و تشخیص ویژگی­های آماری خروجی مدل براساس روابط موجود بین پارامترها و ورودی­های مدل از مهم­ترین موارد مدل­سازی در هیدرولوژی به شمار می­آید. در این پژوهش روش عمومی عدم قطعیت تشابهات (GLUE) برای واسنجی و تحلیل عدم قطعیت پارامترهای هیدرولیکی خاک در مدل آگروهیدرلوژی خاک-آب-اتمسفر-گیاه (SWAP) نسبت به داده­های رطوبت اندازه­گیری شده در یک مزرعه تحت...

full text

تحلیل عدم قطعیت پارامتری مدل MODFLOW توسط روش GLUE (مطالعه موردی: دشت بیرجند)

سابقه و هدف: مدل‌سازی آب‌های زیرزمینی اغلب با عدم قطعیت‌های بوجود آمده به دلیل آگاهی ناقص از سیستم زیرسطحی یا عدم قطعیت‌های نشأت گرفته از تغییرپذیری‌های طبیعی در فرآیندهای سیستم مدل و شرایط میدانی، همراه است. بررسی عدم قطعیت در مدل‌سازی آب‌های زیرزمینی توسط محققین در سه منبع اصلی آن، یعنی عدم قطعیت پارامتری، عدم قطعیت مدل مفهومی و عدم قطعیت داده‌های مشاهده‌ای صورت پذیرفته است. تا کنون پژوهش‌های...

full text

تحلیل عدم قطعیت مدل DWB با استفاده از روش GLUE (مطالعه موردی: حوزه‌های آبخیز اندرآب و فاروب رمان)

تجزیه و تحلیل عدم قطعیت پارامترهای مدل‌های هیدرولوژیکی و تشخص ویژگی‌های آماری آن‌ها بر اساس روابط موجود بین پارامترها و ورودی‌های مدل، از مهمترین موارد مدل‌سازی هیدرولوژیکی محسوب می‌شود. در این پژوهش واسنجی و تحلیل عدم قطعیت این مدل DWB در حوزه‌های رودخانه‌های اندرآب و فاروب رمان از سرشاخه‌های رودخانه کالشور (حوزه آبخیز نیشابور) به ترتیب در محل ایستگاه‌های آب سنجی زرنده و عیش‌آباد، با استفاده ا...

full text

کاهش عدم قطعیت در یک مدل نیمه توزیعی هیدرولوژیکی با روش GLUE

سابقه و هدف: واسنجی مدل‌های نیمه‌توزیعی- فیزیکی هیدرولوژیکی به دلیل عدم قطعیت در پارامترهای زیاد مدل و عدم توانایی در اندازه‌گیری توزیعی خصوصیات فیزیکی در سطح حوضه آبخیز، منجر به افزایش عدم قطعیت در بهینه‌سازی پارامترها می‌شود. لذا، به-منظور کاربرد موفقیت‌آمیز مدل‌های هیدرولوژیکی در تحقیقات کاربردی منابع آب، واسنجی دقیق و تجزیه و تحلیل عدم قطعیت پیش‌بینی ضروری است (40 و 43). شن و همکاران (2012)...

full text

تحلیل عدم قطعیت متغیرهای مدل هیدرولوژیکی بارش-رواناب HEC-HMS با استفاده از روش GLUE در حوضه آبریز سد دز

این مطالعه، کاربرد روش عمومی عدم قطعیت تشابهات (GLUE) را برای واسنجی خودکار مدل معروف HEC-HMS نشان می‌دهد. برای این منظور روش GLUE جهت واسنجی مدلتوسعه‌یافتهHEC-HMS، برای حوضه سد دز در جنوب غرب ایران استفاده شد. از سه رخداد انتخاب‌شده اولین رخداد برای واسنجی مدل؛ سپس تمام رخدادها برای آنالیز عدم قطعیت و حساسیت توسط </str...

full text

تحلیل عدم قطعیت مدل های شبکه عصبی و نروفازی در پیش بینی جریان رودخانه

پیش بینی آورد رودخانه در مدیریت منابع آب از اهمیت فراوانی برخوردار است، اما به دلیل عدم قطعیت بالا در عواملی که فرآیند بارش- رواناب را سبب می‌گردند، همواره با مشکلاتی همراه بوده است. یکی از روش‌هایی که می‌تواند این مشکل را تا حدی کاهش دهد، تحلیل‌ عدم قطعیت پیش‌بینی‌های انجام شده می‌باشد. این تحلیل‌ها در مدل‌های آماری سابقه طولانی دارند، ولی برای مدل‌های شبکه عصبی و نروفازی کمتر مورد استفاده قرا...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه بیرجند - دانشکده کشاورزی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023