سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

مقایسه چهار روش تحلیل حساسیت پارامترهای مدل مفهومی HBV در حوضه آبریز کرخه و زیرحوضه های آن

Publish Year: 1398
Type: Journal paper
Language: Persian
View: 134

This Paper With 18 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

JR_JESPHYS-45-1_007

Index date: 29 October 2023

مقایسه چهار روش تحلیل حساسیت پارامترهای مدل مفهومی HBV در حوضه آبریز کرخه و زیرحوضه های آن abstract

مدل HBV (Hydrologiska Byråns Vattenbalansavedlning) یک مدل مفهومی است که به طور گسترده­ای برای پیش­بینی­های آب شناسی و مطالعات منابع آب به کار می­رود. در این مطالعه تحلیل حساسیت پارامترهای مدل HBV برای زیرحوضه های کرخه و کل حوضه کرخه در چهار بازه زمانی مختلف ۱، ۵، ۱۰ و ۲۵ سال با چهار روش FAST (Fourier Amplitude Sensitivity Test)، (Regional Sensitivity Analysis) RSA،Sobol  و رگرسیون بررسی شده است. پس از تعیین حساس­ترین پارامترها مدل با روش الگوریتم ژنتیک با مرتب­سازی نامغلوب، NSGA (Nondominated Sorting Genetic Algorithm) واسنجی شده است. توابع هدف برای بررسی عملکرد مدل شامل NSE، RMSE، RSR و BIAS می­باشند. نتایج تحلیل حساسیت پارامترها نشان می­دهد که روش­های Sobol و RSA به علت تغییرپذیری در بازه­های زمانی و زیرحوضه­های مختلفروش­های قابل اطمینان­تری هستند. حساس­ترین پارامترهای مدل HBV برای زیرحوضه­ها و حوضه کرخه در روال خاک پارامتر بیشینه ذخیره رطوبت خاک (Fcap) و در روال پاسخ پارامتر بیشینه ذخیره رطوبت لایه سطحی خاک (hl۱) هستند، این پارامترها در دبی­های کمینه بیشترین حساسیت را نشان داده­اند. پارامترهای روال برف مخصوصا پارامتر دمای آستانه برای یخ­زدگی (ttlim) در زیرحوضه­های قره­سو و کشکان و در بازه­های زمانی کوتاه­مدت (۱ و ۵ سال) حساسیت نشان داده­اند. مدل HBV توانایی شبیه­سازی رواناب در حوضه کرخه و زیرحوضه­های آن با دقت بالا را دارد. این مطالعه نشان می­دهد انتخاب بازه­های زمانی کوتاه­تر واسنجی، نتایج شبیه­سازی بهتری ارائه می­دهد. در بازه زمانی یک سال بهترین ضریب NSE، RSR و RMSE مربوط به زیرحوضه گاماسیاب به ترتیب به مقدار ۹۵/۰، ۲۱/۰ و ۴/۱ و بهترین BIAS مربوط به زیرحوضه کشکان و حوضه کرخه به مقدار ۱۳/۰ است.

مقایسه چهار روش تحلیل حساسیت پارامترهای مدل مفهومی HBV در حوضه آبریز کرخه و زیرحوضه های آن Keywords:

مقایسه چهار روش تحلیل حساسیت پارامترهای مدل مفهومی HBV در حوضه آبریز کرخه و زیرحوضه های آن authors

Maryam Shafiei

دانش آموخته دکتری، گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران

Javad Bazrafshan

دانشیار، گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران

Parviz Irannejad

دانشیار، گروه فیزیک فضا، موسسه ژئوفیزیک، دانشگاه تهران، تهران، ایران

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 :
Abebe, N. A., Ogden, F. L. and Pradhan, N. R., ...
Akhtar, M., Ahmad, N. and Booij, M., ۲۰۰۸, The impact ...
Ascough II, J. C., Green, T. R., Fischer, C., Kralisch, ...
Baroni, G. and Tarantola, S., ۲۰۱۴, A General Probabilistic Framework ...
Bennett, D. A., Wade, G. A. and Armstrong, M. P., ...
Bergstrom, S., ۱۹۹۵, The HBV model. Computer models of watershed ...
Beven, K. and Binley, A., ۱۹۹۲, The future of distributed ...
Bronstert, A., Niehoff, D. and Bürger, G., ۲۰۰۲, Effects of ...
Coello, C. C., Lamont, G. B. and Van Veldhuizen, D. ...
Driessen, T. L. A., Hurkmans, R. T. W. L., Terink, ...
Fischer, C., Kralisch, S. and Flügel, W., ۲۰۱۲, An integrated, ...
Gan, Y., Duan, Q., Gong, W., Tong, C., Sun, Y., ...
Gupta, H. V., Sorooshian, S. and Yapo, P. O., ۱۹۹۹, ...
Hamby, D., ۱۹۹۴, A review of techniques for parameter sensitivity ...
Helton, J.C. and Davis, F., ۲۰۰۲, Illustration of sampling-based methods ...
Herman, J., Reed, P. and Wagener, T., ۲۰۱۳, Time-varying sensitivity ...
Hornberger, G. M. and Spear, R. C., ۱۹۸۱, Approach to ...
Massmann, C. and Holzmann, H., ۲۰۱۲, Analysis of the behavior ...
Merz, R. and Blöschl, G., ۲۰۰۴, Regionalisation of catchment model ...
Moradkhani, H. and Sorooshian, S., ۲۰۰۸, General review of rainfall-runoff ...
Moriasi, D. N., Arnold, G. J., Van Liew, M. W., ...
Muleta, M. K. and Nicklow, J. W., ۲۰۰۵, Sensitivity and ...
Nützmann, G. and Mey, S., ۲۰۰۷, Model-based estimation of runoff ...
Ouyang, S., Puhlmann, H., Wang, S., von Wilpert, K. and ...
Pappenberger, F., Beven, K. J., Ratto, M. and Matgen, P., ...
Razavi, S., Tolson, B. A. and Burn, D. H., ۲۰۱۲, ...
Rusli, S.R., Yudianto, D. and Liu, J.-t., ۲۰۱۵, Effects of ...
Saltelli, A., ۲۰۰۲, Making best use of model evaluations to ...
Saltelli, A., Ratto, M., Tarantola, S. and Campolongo, F., ۲۰۱۲, ...
Saltelli, A., Tarantola, S., Campolongo, F. and Ratto, M., ۲۰۰۴, ...
Saltelli, A., Tarantola, S. and Chan, K.-S., ۱۹۹۹, A quantitative ...
Seibert, J. and Vis, M., ۲۰۱۲, Teaching hydrological modeling with ...
Sobol, I. M., ۲۰۰۱, Global sensitivity indices for nonlinear mathematical ...
Song, X., Zhan, C., Xia, J. and Zhang, Y., ۲۰۱۴, ...
Song, X., Zhang, J., Zhan, C., Xuan, Y., Ye, M. ...
Spear, R. and Hornberger, G., ۱۹۸۰, Eutrophication in Peel Inlet—II. ...
Tang, T., Reed, P., Wagener, T. and Van Werkhoven, K., ...
Uhlenbrook, S., Seibert, J., Leibundgut, C. and Rodhe, A., ۱۹۹۹, ...
Van Pelt, S., Kabat, P., Ter Maat, H., Van den ...
Vis, M., Knight, R., Pool, S., Wolfe, W. and Seibert, ...
Wang, S., McGrath, R., Semmler, T., Sweeney, C. and Nolan, ...
Yang, J., ۲۰۱۱, Convergence and uncertainty analyses in Monte-Carlo based ...
Ye, M., Meyer, P. D. and Neuman, S. P., ۲۰۰۸, ...
Zhan, C.-S., Song, X.-M., Xia, J. and Tong, C., ۲۰۱۳, ...
Zhang, A., Zhang, C., Fu, G., Wang, B., Bao, Z. ...
نمایش کامل مراجع