
تعداد نشریات | 13 |
تعداد شمارهها | 623 |
تعداد مقالات | 6,503 |
تعداد مشاهده مقاله | 8,660,487 |
تعداد دریافت فایل اصل مقاله | 8,261,960 |
واسنجی چند هدفه مدل هیدرولوژیکی مفهومی مبتنی بر هیدروگراف واحد لحظه ای ژئومورفلوژیکی (مطالعه موردی: زیر حوضه قره سو) | ||
مجله پژوهشهای حفاظت آب و خاک | ||
مقاله 10، دوره 25، شماره 3، مرداد و شهریور 1397، صفحه 161-175 اصل مقاله (934.01 K) | ||
نوع مقاله: مقاله کامل علمی پژوهشی | ||
شناسه دیجیتال (DOI): 10.22069/jwsc.2018.13748.2846 | ||
نویسندگان | ||
محمد صادق غضنفری مقدم* 1؛ مرتضی فرهمند راد2؛ غلامعباس بارانی3؛ محسن پوررضا بیلندی4 | ||
1دانشگاه تحصیلات تکمیلی و فناوری پیشرفته کرمان | ||
2کارشناس ارشد عمران_مهندسی آب - دانشکده عمران و نقشه برداری، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان | ||
3دانشکده عمران، دانشگاه باهنر کرمان | ||
4دانشگاه بیرجند گروه مهندسی آب | ||
چکیده | ||
سابقه و هدف: یکی از راههای پیشبینی و برآورد مقدار رواناب حاصل از بارش نزولات جوی استفاده از مدلهای هیدرولوژیکی است. واسنجی پارامترهای مؤثر در مدلهای هیدرولوژیکی یکی از گامهای اساسی در استفاده از این مدلها میباشد. در این میان بهینهسازی چند هدفه یکی از موضوعات مهم و کاربردی میباشد. هدف اینگونه بهینهسازیها تعیین مقادیر پارامترهای مدل برای یافتن بهترین راهحل ممکن و دستیابی به اهداف مختلف است. مواد و روشها: در این پژوهش مدل بارش – رواناب مفهومی MILC توسط الگوریتم چند هدفه AMALGAM، مورد واسنجی خودکار قرار گرفت. این مدل از مفهوم مدل رواناب سطحی SCS برای محاسبه بارش مازاد و از مفهوم هیدرو گراف واحد لحظهای ژئومورفولوژیکی نیز برای روند یابی این بارش مازاد در سطح حوضه استفاده میکند. در این مطالعه برای واسنجی و همچنین ارزیابی مدل از 4 تابع هدف ناش – ساتکلیف (NSE) برای جریانهای اوج، TRMSE برای جریانهای کم، ROCE برای جریان متوسط و SFDCE برای شیبخط تداوم جریان استفاده شد. فرایند واسنجی توسط 4 تابع هدف مذکور صورت گرفت و خروجیهای مدل که همان نقاط بهینه پارتو هستند موردبررسی قرار گرفتند و درنهایت از هر خروجی یک نقطه بهعنوان نقطه بهینه میانگین انتخاب شد. در انتها این نقاط که شامل پارامترهای واسنجی شده مدل هستند در دوره صحت سنجی جهت مقایسه با مقادیر مشاهداتی مورداستفاده قرار گرفتند. نتایج: مقادیر بهدستآمده در دورهی صحت سنجی اعدادی بین 71/0 و 78/0 برای تابع NSE را نشان میدهد که با توجه به مقدار بهینه این توابع (=+1 NSE)، نتایج گویای عملکرد مناسب مدل در شبیهسازی جریانهای اوج است. همچنین مقادیر بهدستآمده برای توابع ROCE و بهخصوص SFDCE که در دوره صحتسنجی اعدادی بین 72 و 129 به دست آمد؛(SFDCE=0 در حالت بهینه) حاکی از ضعف مدل MILC در شبیهسازی جریانهای میانه است. نتیجهگیری: مقادیر بهدستآمده برای تابع هدف TRMSE در دوره صحتسنجی اعدادی بین 48/1 - 22/1 بود (TRMSE=0 در حالت بهینه) که این ارقام گویای شبیهسازی مناسب دبیهای کم میباشد. بهرهگیری از الگوریتم بهینهسازی چندهدفه برای فرایند واسنجی خودکار مدل بارش – رواناب به دلیل استفاده از چند تابع هدف گوناگون که هرکدام قسمتی از هیدرو گراف حوضه را مورد هدف قرار میدهند، باعث به چالش کشیدن مدل در شبیهسازی تمامی جریانهای موجود در حوضه میشود که این موضوع اهمیت استفاده از الگوریتمهای چندهدفه در واسنجی مدلهای هیدرولوژیکی را نشان میدهد. همچنین انتخاب هوشمندانه چند تابع هدف در فرایند واسنجی مدل، نقش کلیدی در شناخت هرچه بیشتر مدل دارد که این امر با بهرهگیری از الگوریتمهای چندهدفه بهجای تک هدفه برای فرایند واسنجی میسر میگردد. | ||
کلیدواژهها | ||
قرهسو؛ واسنجی مدل بارش – رواناب؛ هیدرو گراف واحد لحظهای ژئومورفولوژیک؛ MILC | ||
مراجع | ||
1.Brocca, L., Melone, F., and Moramarco, T. 2011. Distributed rainfall-runoff modeling for flood frequency estimation and flood forecasting. Hydrological Processes. Pp: 2801-2813.
2.Box, G.E.P., and Cox, D.R. 1964. An analysis of transformations, J. R. Stat. Soc. Ser. B. Pp: 211-252. 3.Corradini, C., Melone, F., and Ubertini, L. 1995. A semi-distributed model for direct runoff estimate. In Applied Simulation and Modelling, Hamza, M.H. (ed.). IASTED Acta Press: Anahheim (CA), Pp: 541-545.
4.Dooge, J.C.I. 1959. A General Theory of the Unit Hydrograph. J. Geophysic. Res. 64: 241-256. 5.Green, W.H., and Ampt, G.A. 1911. Studies on soil physics. J. Agric. Sci. 4: 1-24.
6.Gupta, H., Sorooshian, S., and Yapo, P. 1998. Toward improved calibration of hydrologic models: Multiple and noncommensurable measures of information, Water Resour. Res. 34: 751-763. 7.Horton, R. 1933. The role of infiltration in the hydrological cycle. Trans. AGU. 14: 446-460.
8.Horton, R. 1939. Analysis of runoff-plot experiments with varying Infiltration capacity. Trans. AGU. 20: 693-711.
9.Imbeau, M.E., La Durance. 1892. Regime. Crues et inundations. Ann. Ponts Chausses Mem. Doc. Ser. Pp: 5-18.
10.Kollat, J.B., Reed, P.M., and Wagener, T. 2012. When are multiobjective calibration trade-offs in hydrologic models meaningful? Water Resour. Res. 48: W03520. 11.Lighthill, M., and Whitham, G. 1955. On Kinematic waves I and II a theory of traffic flow on long crowded roads. Proc. Royal Society, London, Series A, 229, Pp: 317-345.
12.Mulvany, T.J. 1850. On the use of self registering rain and flood gauges. Inst. Civ. Eng. Proc. (Dublin), 4: 1-8.
13.Nash, J.E., and Sutcliffe, J.V. 1970. River flow forecasting through conceptual models part I. A discussion of principles, J. Hydrol. 10: 282-290.
14.Nash, J.E. 1957. The Form of the Instantaneous Unit Hydrograph. International Association of Scientific Hydrology Publication. 45: 114-121.
15.Sadeghi, T.S., Pourreza, B.M., and Taghian, M. 2015. Multi-Objective Optimization of the Hedging Model for reservoir Operation Using Evolutionary Algorithms. J. Water Wastewater. 26: 14-22. (In Persian) 16.Sherman, L.K. 1932. Streamflow from rainfall by the unit-graph method, Eng. News Rec. 108: 501-505.
17.Tang, Y., Reed, P., and Wagener, T. 2006. How efficient and effective are evolutionary multiobjective algorithms at hydrologic model calibration? Hydrol. Earth Syst. Sci. 10: 289-307. 18.Vrugt, J.A., and Robinson, B.A. 2007. Improved evolutionary optimization from genetically adaptive multimethod search. Proceedings of the National Academy of Sciences. 104: 708-711.
19.Zhang, X., Srinivasan, R., and Liew, M.V. 2010. On the use of multi-algorithm, genetically adaptive multi-objective method for multi-site calibration of the SWAT model. Hydrological Processes. | ||
آمار تعداد مشاهده مقاله: 529 تعداد دریافت فایل اصل مقاله: 505 |