کاهش خطای شبیه سازی فرآیند بارش-رواناب با بکارگیری تکنیک داده گواری در مدل هیدرولوژیکی SWAT

نویسندگان

چکیده مقاله:

مدلسازی فرآیند بارش-رواناب با انبوهی از پارامترها و داده های اقلیمی همراه است که ارائه یک مدل شبیه ساز مناسب با حداقل خطا از چالش های مطالعات گذشته بوده است. عدم اطمینان و قطعیت بر صحت داده ها و پارامترهای ورودی مدل های شبیه سازی منجر به تولید خطا می شود که تاثیر قابل توجهی بر پیش بینی های بلند مدت و سیاست های مدیریتی می گذارد. در این مطالعه از مدل مفهومی آب و خاک SWAT به منظور شبیه سازی فرآیند بارش-رواناب در زیر حوضه آبریز چلگرد استفاده می شود. به منظور ارائه یک مدل مناسب، تکنیک داده گواری فیلتر کالمن مجموعه ای (EnKF) جهت به روزرسانی و اصلاح منابع تولید خطا در مدلسازی به کار برده می شود که این منابع شامل پارامترها و داده های ورودی مدل می باشد. نتایج بدست آمده از مدل اصلاحی ارائه شده با معیار ارزیابی Nash-Sutcliff سنجیده شده که مدل اصلاحی با ضریب 0.86 عملکرد بهتری نسبت به مدل توسعه یافته بدون تکنیک EnKF از خود نشان می دهد و همچنین ضریب Nash-Sutcliff برای دوره صحت سنجی به 0.82 ارتقاء می یابد.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

شبیه سازی فرآیند بارش- رواناب با بکارگیری شبکه عصبی مصنوعی (ANN) و مدل HEC-HMS ( مطالعه موردی حوزه آبخیز کسیلیان)

برای شبیه سازی فرآیند بارش - رواناب در سطح حوزه آبخیز کسیلیان با مساحت حدود 68 کیلومترمربع واقع در شمال ایران، مدل (HEC-HMS) و روش شبکه عصبی مصنوعی(ANN) بکار گرفته شد. شبکه عصبی دارای قابلیت بالایی برای برقراری ارتباط بین داده های ورودی و خروجی و مدل(HEC-HMS) دارای قابلیت بالایی در بهینه سازی آبنمود شبیه سازی شده می باشد. عامل هدر رفت اولیه خاک به عنوان یک معیار کمی در برگیرنده سه فاک...

متن کامل

شبیه سازی فرآیند بارش- رواناب در حوضه آبریز قره سو با استفاده از مدل WMS

برآورد رواناب حاصل از بارش­های جوی اهمیت خاصی در مطالعات هیدرولوژی، مدیریت حوضه­های آبخیز و حفاظت آب و خاک دارد. استفاده از مدل­های شبیه­ساز بارش- رواناب همانند WMS در سال­های اخیر گسترش فراوانی یافته است. این مدل با تلفیق امکانات GIS و مدل­های هیدرولوژیکی رایج به ابزاری قدرتمند برای شبیه­سازی فرآیندهای هیدرولوژیکی حوضه­های آبخیز تبدیل شده است. در این مطالعه برای پیش بینی سیلاب حاصل از بارش حوض...

متن کامل

شبیه سازی بارش – رواناب حوضه قره سو با استفاده از مدل swat

زمینه و هدف: شبیه سازی بارش–رواناب در بسیاری از مطالعات هیدرولوژی، از جمله بررسی اثر تغییر اقلیم بر جریان رودخانه، پیش بینی سیلاب و برنامه ریزی منابع آب از اهمیت ویژه ای برخوردار است. مدل swat[1] برای شبیه سازی انتقال جریان، رسوب و متغیرهای کیفی (فسفر و نیتروژن و ...) در حوضه های آبریز استفاده می گردد. مدل swat یک مدل سری زمانی توزیعی با  مبنای فیزیکی می باشد. این مدل قابلیت اتصال به gis[2] را ...

متن کامل

شبیه‌سازی 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 ...

متن کامل

شبیه سازی فرآیند بارش- رواناب در حوزه‌های با آمار کم با استفاده از مدل wms (مطالعه موردی؛ حوزه آبخیز چالوس)

  WMSاز جمله سیستم­های مدل­سازی هیدرولوژیک و هیدرولیک مربوط به حوزه آبخیز است. این مدل برای آ‌نالیز حساسیت و تخمین رواناب ناشی از آن به روش SCS  در حوزه آبخیز چالوس واقع در استان مازندران استفاده شده است. ابتدا با استفاده از نقشه­های ارتفاعی با ساختار رستری DEM­­  ­به کمک نرم­افزارTOPAZ،آبراهه­ها و شبکه  رودخانه­ای حوزه­ها مشخص شد و با همپوشانی نقشه فوق با نقشه...

متن کامل

شبیه سازی فرآیند بارش رواناب در حوزه آبخیز ناورود با مدل ولترای مرتبه محدود و شبکه های عصبی مصنوعی

This study evaluates the performance of the linear first-order Volterra model for simulating nonlinear rainfall-runoff process. For this end, fifteen storm events over the Navrood River basin were collected. 70% and 30% of the events were used to calibrate and test the suitability of the model. Finally, the performance of the model was compared with the artificial neural networks (multilayer pe...

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 14  شماره 5

صفحات  85- 102

تاریخ انتشار 2019-01-21

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