مقایسه و ارزیابی مدل های مفهومی بارش - رواناب IHACRES و SIMHYD در حوضه آبخیز جونقان
Publish place: 3rd Iranian Scientific Research Congress on Development and Promotion of Agricultural Sciences, Natural Resources and Environment
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 799
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
PDCONF03_065
Index date: 24 February 2017
مقایسه و ارزیابی مدل های مفهومی بارش - رواناب IHACRES و SIMHYD در حوضه آبخیز جونقان abstract
مدلسازی فرآیند بارش - رواناب و پیش بینی دبی رودخانه، یک اقدام مهم در مدیریت و مهار سیلاب ها، طراحی سازه های آبی و مدیریت خشکسالی است. یکی از چالش های مهم در هیدرولوژی تعیین دقیق مقادیر دبی روازنه در حوضه های فاقد آمار می باشد. مدل های هیدرولوژیکی پایه و اساس مناسبی برای پیش بینی جریان در حوضه آبخیز محسوب می شوند. مدلهای متعددی برای تخمین دبی حوزه های آبخیز ارائه شده است که در این پژوهش از دو مدل مفهومی و یکپارچه SIMHYD IHACRES که ساه می باشند و نیاز به داده های ورودی کمی دارند جهت شبیه سازی جریان روزانه در حوزه آبخیز جونقان استفاده شد. طول دوره آماری در این تحقیق ده سال بود که در این بازه زمانی مشترک واسنجی و اعتبارسنجی داده ها صورت گرفت و جهت ارزیابی نتایج مدل ها از معیارهایی نظیر ضریب تعیین، ضریب ناش - ساتکلیف و مجذور میانگین مربعات خطا استفاده شد. نتایج شبیه سازی نشان داد که هر دو مدل در حد قابل قبولی می توانند شبیه سازی را انجام دهند همچنین مقایسه بین نتایج مدل ها نشان داد که مدل IHACRES نتایج بهتری در شبیه سازی ارائه داده است در ضمن بهنینه سازی پارامترهای هر دو مدل نیز صورت گرفت.
مقایسه و ارزیابی مدل های مفهومی بارش - رواناب IHACRES و SIMHYD در حوضه آبخیز جونقان Keywords:
مقایسه و ارزیابی مدل های مفهومی بارش - رواناب IHACRES و SIMHYD در حوضه آبخیز جونقان authors
مرضیه مردانی
دانشجوی کارشناسی ارشد آبخیزداری دانشگاه شهرکرد
افشین هنربخش
دانشیار گروه آبخیزداری دانشکده منابع طبیعی، دانشگاه شهرکرد
رفعت زارع بیدکی
استادیار گروه آبخیزداری دانشکده منابع طبیعی، دانشگاه شهرکرد
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 :