واسنجی خودکار مدل بارش- رواناب مفهومی ARNO

شبیه سازی بارش- رواناب از محورهای اصلی هیدرولوژی است. در میان انواع مدل های بارش- رواناب، مدل­های مفهومی بسیار مورد استفاده قرار می گیرند. با این حال، واسنجی مدل های مفهومی بارش- رواناب در دهه های 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 دنیا با موفقیت به کار گرفته شده است. با استفاده از این امکان واسنجی خودکار، مرحله­ی واسنجی مدل یاد شده برای یک حوضه­ی آبریز می­تواند به سرعت و بدون نیاز به دانش و تجربه­ی گسترده در مورد مدل و پارامترهای آن، انجام شود. این مدل به صورت خودکار برای یک حوضه­ی آبریز در جنوب غربی ایران واسنجی شد، لذا مقادیر شاخص راندمان و مربع ضریب همبستگی برای داده های روزانه، در دوره­ی ۵ ساله­ی واسنجی مدل، به ترتیب ۸۰/۰ و ۸۲/۰، و در دوره­ی ۴ ساله­ی اعتبارسنجی به ترتیب ۸۲/۰ و ۸۳/۰ به دست آمد. نتایج حاکی از موفقیت این روش در واسنجی خودکار مدل مفهومی انتخابی برای شبیه سازی بارش- رواناب روزانه است.

Keywords:

Daily Rainfall- Runoff Modeling , Conceptual Models , Automatic Calibration , Genetic Algorithm and Fitness Function. , شبیه سازی بارش- رواناب روزانه , مدل های مفهومی , واسنجی خودکار , الگوریتم ژنتیک و تابع برازندگی