واسنجی غیرقطعی پارامترهای مدل بارش-رواناب ‏HEC-1‎‏ با استفاده از الگوریتم ‏SUFI

نویسنده

  • احمد شرافتی استادیار، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران
چکیده مقاله:

یکی از روش‌های متداول در شبیه‌سازی سیلاب، استفاده از مدل‌های بارش–رواناب است. همچنین، واسنجی پارامترهای مدل‌های بارش-رواناب از جمله مسائل مهم و چالش انگیز در شبیه‌سازی سیلاب است. با توجه به رفتار تصادفی و غیرقطعی پارامترهای مدل‌های بارش-رواناب، استفاده از روش‌های بهینه‌یابی قطعی واسنجی همواره نتایج صحیحی را ارائه نمی‌دهد. از این رو در این تحقیق سعی شده است، با استفاده یک رویکرد غیرقطعی و استفاده از الگوریتم SUFI، محدوده بهینه‌ای از پارامترهای مدل بارش-رواناب HEC-1 ارائه شود. با بررسی نتایج واسنجی و مقایسه هیدروگراف‌های مشاهداتی (سه واقعه) با بهترین هیدروگراف‌های تولیدی، مشخص شد که ضریب تعیین در هر سه واقعه بیش از 0.85 است. همچنین، متوسط اختلاف بین مقادیر دبی مشاهداتی و تولیدی کمتر از حدود پنج درصد است. همچنین، در مرحله صحت‌سنجی نیز نتایج نشان داد که ضریب همبستگی در حدود 0.98 است. همچنین، متوسط اختلاف بین مقادیر دبی مشاهداتی و تولیدی حدود 11 درصد است. بنابراین الگوریتم SUFI جهت واسنجی غیرقطعی مدل HEC-1 دقت مناسبی نشان داد.

Download for Free

Sign up for free to access the full text

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

واسنجی خودکار دو مدل بارش - رواناب تانک و simhyd با استفاده از الگوریتم ژنتیک

شبیه ‏سازی روابط بارش- رواناب کانون اصلی توجه تحقیقات هیدرولوژی در دهه ‏های گذشته بوده و مدل‏‏های زیادی برای این منظور پیشنهاد شده است. انتخاب مدل به هدف از مدل سازی و اطلاعات در دسترس بستگی دارد. در این مطالعه، عملکرد نسبی دو مدل یکپارچه و مفهومی تانک[1] و simhyd  مقایسه شد. در هر دو مدل ذکرشده محدودة تغییرات پارامترها زیاد است؛ در نتیجه، استفاده از روش سعی و خطا برای بهینه سازی پارامترها مشکل...

متن کامل

بهینه سازی پارامترهای حساس مدل بارش ـ رواناب hec-hms به وسیلة الگوریتم فراکاوشی بهینه سازیpso

محدودیت‏های ساختاری مدل‏های هیدرولوژیکی و عدم دسترسی به همة پارامترهای حوضة آبخیز همچنین عدم امکان تعیین دقیق شرایط مرزی و شرایط اولیه، واسنجی مدل‏های هیدرولوژیک را ایجاب می‏کند. با توجه به زمان بربودن واسنجی دستی، به‏ویژه هنگامی که داده‏ها کم و پارامترها فراوان اند، روش‏های واسنجی خودکار، مبتنی بر استفاده از روش‏های جست وجوی سیستماتیک در فضای چند‏بعدی، با استفاده از یک تابع هدف، بسیار سودمند ا...

متن کامل

واسنجی خودکار مدل بارش- رواناب مفهومی ARNO

  شبیه‌سازی بارش- رواناب از محورهای اصلی هیدرولوژی است. در میان انواع مدل‌های بارش- رواناب، مدل­های مفهومی بسیار مورد استفاده قرار می‌گیرند. با این حال، واسنجی مدل‌های مفهومی بارش- رواناب در دهه‌های اخیر به عنوان یک چالش مطرح بوده است. در این پژوهش مدل مفهومی بارش- رواناب ARNO با استفاده از الگوریتم ژنتیک، به واسنجی خودکار تجهیز شده است. این مدل از نوع پیوسته نیمه توزیعی بوده و در نقاط گوناگون ...

متن کامل

شبیه سازی پیوسته بارش-رواناب حوضه ی شهرچای ارومیه با استفاده از مدل HEC-HMS

چکیده در محاسـبات هیدرولوژیکی یـک حوضه تعیین ارتباط بین بارش- رواناب بسیار مـهم است. محاسبه­ی دقیق بارش­-رواناب در سطح حوضه به شناخت مؤلفه­ها و متغیرهای شکل­دهنده­ی آن و همچنین استفاده از یک مدل مناسب وابسته است. در این مطالعه، بارش-رواناب پیوسته­ی حوضه­ی شهرچای ارومیه با استفاده از مدل هیدرولوژیکی HEC-HMS شبیه­سازی شد. برای این منظور ابتدا مدل حوضه­ی آبخیز با استفاده از نقشه­ی DEM منطقه­ی مور...

متن کامل

واسنجی اتوماتیک مدل بارش ـ رواناب با استفاده از روش بهینه‌سازی SCE

کاربرد موفقیت‏آمیز مدل‌های مفهومی بارش ـ رواناب(CRR) به چگونگی واسنجی پارامترهای آنها بستگی دارد. مدل‌های CRR عموماً دارای پارامترهای زیادی هستند که نمی‎توان آنها را بصورت مستقیم اندازه‎گیری نمود و لازم است که آنها را در طول واسنجی مدل تخمین زد. هدف از انجام واسنجی، یافتن مقادیر آن سری از پارامترهایی است که باعث بهینه شدن معیارهای نیکویی واسنجی می‎شوند. با وجود عمومیت کاربرد این مدل‌ها، در صورتی...

متن کامل

واسنجی خودکار دو مدل بارش‌- رواناب تانک و SIMHYD با استفاده از الگوریتم ژنتیک

شبیه‌‏سازی روابط بارش- رواناب کانون اصلی توجه تحقیقات هیدرولوژی در دهه‌‏های گذشته بوده و مدل‏‏های زیادی برای این منظور پیشنهاد شده است. انتخاب مدل به هدف از مدل‌سازی و اطلاعات در دسترس بستگی دارد. در این مطالعه، عملکرد نسبی دو مدل یکپارچه و مفهومی تانک[1] و SIMHYD  مقایسه شد. در هر دو مدل ذکرشده محدودة تغییرات پارامترها زیاد است؛ در نتیجه، استفاده از روش سعی و خطا برای بهینه‌سازی پارامترها مشکل...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 9  شماره 1

صفحات  87- 96

تاریخ انتشار 2017-03-21

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023