+ - دوره ۱۰ ‏(۱۳۹۶)
+ - دوره ۱۰ ‏(۱۳۹۵)
+ - دوره ۹ ‏(۱۳۹۴)
+ - دوره ۸ ‏(۱۳۹۳)
+ - دوره ۷ ‏(۱۳۹۲)
+ - دوره ۶ ‏(۱۳۹۱)
+ - دوره ۵ ‏(۱۳۹۰)
+ - دوره ۴ ‏(۱۳۸۹)
+ - دوره ۳ ‏(۱۳۸۸)
+ - دوره ۲ ‏(۱۳۸۷)
+ - دوره ۱ ‏(۱۳۸۶)
تحليل عدم قطعيت در برآورد پارامترهاي مدل توزيعي بارش- رواناب با کاربرد الگوريتم مونت‌کارلو- زنجيره‌ مارکف
عنوان (انگلیسی): Parameters Uncertainty Analysis in distributed single- event rainfall-runoff model with MCMC approach
نشریه: پژوهش آب ايران
شماره: پژوهش آب ايران (دوره: ۶، شماره: ۱۱)
نویسنده: پوررضا بيلندی، محسن ، آخوند علی، علی محمد ، قهرمان، بيژن
کلیدواژه‌ها : .... ، تحليل عدم قطعيت ، زنجيره مارکف ، مونت کارلو
کلیدواژه‌ها (انگلیسی): Markov Chain Monte Carlo , Uncertainty Analysis , ff , ...
چکیده:

يافتن مقادير بهينه براي پارامترهاي هر مدل شبيه‌سازي کاري است که همواره با شک و ترديد همراه است. به طوري که به عنوان مثال يک هيدرولوژيست با وجود مهارت و تجربه بالا هم نمي‌تواند به نتايج برآورد خود اطمينان کافي داشته باشد. در تحقيق حاضر،‏ محدوده اطمينان و توزيع احتمالاتي پسين براي دبي خروجي و پارامترهاي يک مدل توزيعي بارش- رواناب به کار رفته در حوضه ابوالعباس در استان خوزستان با استفاده از الگوريتم عدم قطعيت DREAM مبتني بر مونت کارلو- زنجيره مارکف که اخيراً توسعه يافته است،‏ تعيين شد. تعداد چهار رويداد براي واسنجي و دو رويداد براي صحت‌سنجي توزيع‌هاي پسين پارامترها به کار گرفته شد. مدل هيدرولوژيک توزيعي AFFDEF توسعه يافته در زبان برنامه‌نويسيFortran به دليل خطاي کمتر آن (نسبت به مدل‌هاي يکپارچه) که ناشي از تخصيص مقادير ورودي براي هر سلول است،‏ در اين تحقيق به کار گرفته شد. نتايج رويداد‌هاي دوره‌هاي واسنجي و صحت‌سنجي نشان داد که دبي‌هاي اوج هيدروگراف که يکي از مهمترين مؤلفه‌هاي آن است به خوبي در بازه‌هاي اطمينان 95 درصد تعيين شده قرار مي‌گيرند. در مورد نقاط ابتدايي و انتهايي،‏ شرايط اوليه مدل و خطاهاي موجود در روش‌هاي تعيين دبي پايه براي رويداد‌هاي کوتاه مدت باعث شده اند تا به خوبي برآورد نشوند و تا حدودي خارج از محدوده اطمينان شبيه‌سازي شده قرار گيرند. کارآيي بالاي الگوريتم DREAM در سرعت بالاي رسيدن به همگرايي براي تمام زنجيره‌ها از ديگر ويژگي‌هاي خاص اين

چکیده (انگلیسی):

So far flood forecasting and simulation in hydrologic literature suffers from lack of explicit recognition of forcing, parameters, and model structural error. However, since any model is a simplification of reality, there remains a great deal of uncertainty even after the calibration of model parameters. Hydrologic models often contain parameters that cannot be measured directly but which can only be inferred by a trial-and-error (calibration) process that adjusts the parameter values to closely match the input-output behavior of the model to the real system it represents. This work addresses calibration of spatially physically based rainfall-runoff model (AFFDEF) implemented in FORTRAN language programming and implemented to quantify parameter uncertainty and its effect on the prediction of streamflow for Abolabbas subwatershed (284 km2) located in Khuzestan Province. This research was intended to take advantage of novel Markov chain Monte Carlo (MCMC) sampler entitled DiffeRential Evolution Adaptive Metropolis (DREAM) that is especially designed to estimate the posterior probability density function of hydrologic model parameters efficiently in complex high-dimensional sampling problems. The results for calibration period showed that observational discharge values especially peak values bracketed well within %95 confidence interval. Regarding rising and recession limb as a result of initial conditions and uncertainties originating from baseflow determination procedures have caused predictions to be out confidence interval. Updating the scale and orientation of proposed distribution during sampling is the main advantage of MCMC scheme compared

فایل مقاله : [دریافت (2.7 MB)] ‏2,008 دریافت تاكنون
صاحب امتیاز:
دانشگاه شهرکرد
مدیر مسئول:
دکتر حسين صمدی
سردبیر:
دکتر منوچهر حيدرپور
مدیر داخلی:
دکتر محمدعلی نصراصفهانی