تحلیل عدم قطعیت در برآورد پارامترهای مدل بارش- رواناب با کمک الگوریتم مونت کارلو، زنجیره مارکف
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه شهید چمران اهواز - دانشکده مهندسی علوم آب
- نویسنده محسن پوررضا بیلندی
- استاد راهنما بیژن قهرمان علی محمد آخوند علی عبدالرسول تلوری
- سال انتشار 1391
چکیده
یافتن مقادیر بهینه برای پارامترهای هر مدل شبیه سازی، کاری است که همواره با شک و تردید همراه می-باشد. مثلاً یک هیدرولوژیست با وجود مهارت و تجربه بالا هم نمی تواند به نتایج برآورد خود اطمینان کافی داشته باشد. هدف از تحقیق حاضر، پیدا کردن محدوده اطمینان برای دبی خروجی و توزیع احتمالاتی پسین پارامترهای یک مدل توزیعی بارش- رواناب به کار رفته در حوضه ابولعباس در استان خوزستان با استفاده از الگوریتم عدم قطعیت متروپولیس تطبیقی، تکامل تفاضلی (dream) می باشد. این روش که اخیراً توسعه یافته است مبتنی بر روش نمونه گیر متروپولیس از گروه روش های مونت کارلو- زنجیر مارکف بوده که به خوبی قادر به بررسی فضای پارامتری با حداقل تعداد تکرار می باشد. تعداد چهار رویداد برای واسنجی و دو رویداد برای صحت سنجی توزیع های پسین پارامترها به کار گرفته شد. مدل هیدرولوژیک توزیعی affdef توسعه یافته در زبان برنامه نویسیfortran بدلیل خطای کمتر آن - به نسبت مدلهای یکپارچه - که ناشی از تخصیص مقادیر ورودی برای هر سلول می باشد، در این تحقیق بکار گرفته شد. بهبود نتایج مدل با اضافه شدن مولفه جریان زیر سطحی به آن صورت گرفت. تعداد 45000 اجرای مدل بارش-رواناب affdef برای سه رخداد و 75000 تکرار برای یک رخداد باقیمانده دوره واسنجی انتخاب گردید بطوریکه معیار همگرایی گلمن و رابین (r<1.2) در تمامی رخدادها ارضا گردد. سپس ساخت توزیع های پسین برای 9 پارامتر واسنجی مدل بارش-رواناب، با استفاده از پارامترهای 20 درصد انتهای هر زنجیر انجام گرفت. مقایسه محدوده توزیع های پارامترهای بدست آمده برای چهار رخداد واسنجی نشان از کاهش چشم گیر محدوده اولیه هر پارامتر داشت. نتایج بازه های 95 درصد اطمینان رویداد های دوره های واسنجی نشان داد که علاوه بر عدم قطعیت ناشی از پارامترهای مدل بارش-رواناب، منابع دیگر عدم قطعیت مانند ساختار مدل و مقادیر ورودی های اندازه گیری شده نیز سهم مهمی در خطای شبیه سازی دارند. همچنین دبی های اوج هیدروگراف که یکی از مهمترین مولفه های آن می باشند به خوبی در اطراف بازه های اطمینان 95 درصد تعیین شده قرار گرفتند. در مورد نقاط ابتدایی و انتهایی برخی رخداد ها، شرایط رطوبتی اولیه مدل و خطاهای موجود در روش های تعیین دبی پایه برای رویداد های کوتاه مدت باعث شده اند تا بازه اطمینان آنها، نقاط اندازه گیری شده را به خوبی در بر نگیرد و این نقاط تا حدودی خارج از محدوده اطمینان شبیه-سازی شده قرار گیرند. کارایی بالای الگوریتم dream در سرعت بالای رسیدن به همگرایی از دیگر ویژگی های خاص این الگوریتم می باشد بطوریکه مقایسه نتایج تعداد تکرارهای مورد نیاز الگوریتم جدید dream با الگوریتم قبلی scem-ua نشان از کارآیی بالای آن را داشت. اَشکال توزیع های پسین ارائه شده از رخدادهای دوره واسنجی به همراه نتایج صحت سنجی اخذ شده توسط توزیع نماینده (بهترین توزیع دوره واسنجی)، هر دو موید این مطلب بودند که توزیع پارامترها وابستگی زیادی به مشخصات رخداد از قبیل شرایط رطوبتی، مقدار دبی اوج، فصل وقوع بارش و مقدار آن دارند. به طوری که در یک رخداد منفرد توزیع پارامترها حول مقدار مشخصی متمرکز می شود در حالی که در مجموع سیلاب ها این امر اتفاق نمی افتد.
منابع مشابه
ارزیابی دو الگوریتم مختلف مونت کارلو زنجیر مارکف در تحلیل عدم قطعیت پارامترهای مدل توزیعی هیدرولوژیکی
تعیین مقادیر بهینه برای پارامترهای به کار رفته در هر مدل شبیه سازی کاری است که همواره با شک و تردید همراه می باشد و بنابراین بایستی عدم قطعیت موجود در پارامترهای شبیه سازی با روشهای مناسب تحلیل و بررسی گردد. در این تحقیق مقایسه دو الگوریتم عدم قطعیت dream و scem ua، برای پارامترهای مدل بارش- رواناب فیزیکی و توزیعی تک رخداد affdef به کار گرفته شد. این روشها برپایه مونت کارلو زنجیرمارکف بوده که ا...
متن کاملتحلیل عدم قطعیت پارامترهای نفوذ مدل شبیهسازی آبیاری جویچهای WinSRFR با روش مونت کارلو
پارامترهای نفوذ مورد استفاده در مدلهای شبیهساز آبیاری سطحی بهطور مستقیم قابل اندازهگیری نیستند و تعیین آنها مشکل بوده و با عدم قطعیت همراه است. بنابراین باید پس از واسنجی پارامترهای مدل، عدم قطعیت ناشی از وجود خطا در مدل را بررسی نموده و راهکارهایی برای کاهش و کنترل عدم قطعیت نتایج ارائه گردد. به همین دلیل در این مطالعه از رویکرد شبیهسازی مونت کارلو استفاده شده است. امروزه فرآیند شبیهساز...
متن کاملتخمین عدم قطعیت مدل شبیه سازی سیلاب HEC-HMS با استفاده از الگوریتم مونت کارلو زنجیره مارکوف
There are some parameters in hydrologic models that cannot be measured directly. Estimation of hydrologic model parameters by various approaches and different optimization algorithms are generally error-prone, and therefore, uncertainty analysis is necessary. In this study we used DREAM-ZS, Differential Evolution Adaptive Metropolis, to investigate uncertainties of hydrologic model (HEC-HMS) pa...
متن کاملمقایسة روشهای بهینهسازی فراکاوشی در تحلیل عدم قطعیت پارامترهای مدل مفهومی بارش- رواناب
مدلهای بارش- رواناب برای محاسبة رواناب حاصل از بارش در یک حوضة آبریز بهکار میروند. کاربرد موفقیتآمیز مدلهای پیشبینی بارش- رواناب به نحوة واسنجی پارامترهای آنها بستگی دارد. با وجود عمومیت این مدلها، در صورتی که نتوان مقدار بهینه برای پارامترهای آنها را با استفاده از واسنجی مدل بهدست آورد، کاربرد آن مدلها بسیار مشکل خواهد بود. تخمین مقادیر بهینه برای پارامترهای مدل بارش- رواناب دارای ع...
متن کاملمقایسة روش های بهینه سازی فراکاوشی در تحلیل عدم قطعیت پارامترهای مدل مفهومی بارش- رواناب
مدلهای بارش- رواناب برای محاسبة رواناب حاصل از بارش در یک حوضة آبریز به کار میروند. کاربرد موفقیتآمیز مدلهای پیشبینی بارش- رواناب به نحوة واسنجی پارامترهای آن ها بستگی دارد. با وجود عمومیت این مدلها، در صورتی که نتوان مقدار بهینه برای پارامترهای آنها را با استفاده از واسنجی مدل به دست آورد، کاربرد آن مدلها بسیار مشکل خواهد بود. تخمین مقادیر بهینه برای پارامترهای مدل بارش- رواناب دارای ع...
متن کاملمنابع 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 @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه شهید چمران اهواز - دانشکده مهندسی علوم آب
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023