تخمین عدم قطعیت مدل شبیه سازی سیلاب HEC-HMS با استفاده از الگوریتم مونت کارلو زنجیره مارکوف
Publish place: Journal of Watershed Management Research، Vol: 8، Issue: 15
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 268
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWMR-8-15_022
تاریخ نمایه سازی: 17 مهر 1400
Abstract:
مدلهای هیدرولوژیکی اغلب شامل پارامترهایی هستند که بهطور مستقیم نمیتوانند اندازهگیری شوند. تخمین پارامترها توسط روشها و الگوریتمهای مختلف بهینهسازی هم با خطا همراه است. بنابراین تجزیه و تحلیل عدم قطعیت امری ضروری بهشمار
میآید. در تحقیق حاضر از الگوریتم DREAM-ZS (از الگوریتمهای مبتنی بر مونت کارلو زنجیره مارکوف) بهمنظور بررسی عدم قطعیت پارامترهای مدلهیدرولوژیکی HEC-HMS در حوزه آبخیز تمر به مساحت ۱۵۳۰ کیلومترمربع واقع در استان گلستان استفاده شد. به منظور ارزیابی عدم قطعیت ۲۴ پارامتر بکار رفته درمدل HEC-HMS، سه رویداد سیل برای واسنجی و یک رویداد سیل در اعتباریابی استفاده گردید. نتایج حاصل از واسنجی نشان داد که بازههای ۹۵ درصد عدم قطعیت کل، بیشتر دادههای مشاهدهای بویژه دبی اوج را در برگرفتند. همچنین علاوه بر عدم قطعیت ناشی از پارامترهای مدل بارش رواناب، منابع دیگر عدم قطعیت مانند ساختار مدل و دادههای ورودی هم سهم مهمی در خطای شبیهسازی دارند. با مشاهده مقادیر پایین ضریب تغییرات برای پارامتر CN (شماره منحنی) در تمامی سیلابها، این پارامتر بهعنوان حساسترین پارامتر بهحساب آمد. هیستوگرامهای پسین پارامترها نشان داد که بیشتر پارامترها بهخوبی تعیین شدهاند و ناحیه کوچکی از توزیعهای یکنواخت پیشین را اشغال میکنند. همچنین بهترین شبیهسازی حاصل از اجرای الگوریتم عدم قطعیت DREAM-ZS آشکارا بر شبیه سازی حاصل از الگوریتم جستجوی خودکار نلدر و مید برتری داشت.
Keywords:
DREAM-ZS Algorithm , HEC-HMS , Nelder and Mead Algorithm , Tamar watershed , Uncertainty , عدم قطعیت , HEC-HMS , حوزه آبخیز تمر , الگوریتم نلدر و مید , الگوریتم DREAM-ZS
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :