تخمین عدم قطعیت در واسنجی فرآیند بارش–رواناب روزانه با استفاده از تابع تشابه تعمیم‌یافته در مدل HBV

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری دانشگاه بوعلی سینا همدان

2 دانشگاه بوعلی همدان

چکیده

تعیین دقیق میزان رواناب حاصل از بارش در سطح حوضه‌های آبریز، ‌به‌دلیل تأثیر مؤلفه‌های مختلف، نظیر رطوبت خاک، تبخیر و تعرق، نفوذ و عدم امکان اندازه‌گیری دقیق آنها، توأم با خطا است.از اینرو شبیه‌سازی فرآیند بارش– رواناب با عدم قطعیت همراه است. عدم قطعیت در واسنجی مدل‌ها، ناشی از اطلاعات ورودی، ساختار مدل و پارامترهای به‌کار رفته می‌باشد.کمی‌سازی عدم قطعیت، برای تصمیم‌گیری در طرح‌های منابع آب، ضروری است. یکی از روش‌های محاسبه عدم قطعیت در فرآیند شبیه‌سازی، استفاده از تئوری بیز به‌عنوان پایه محاسبات است. در این تحقیق از روش ابتکاری که ترکیبی از تحلیل بیز و شیوه مونت‌کارلو با در نظر گرفتن معیارهای نکویی برازش است، تحت عنوان تابع تشابه تعمیم یافته در محاسبه عدم قطعیت استفاده گردید. به منظور تشخیص عدم قطعیت پارامترهای مورد استفاده در واسنجی مدل بارش- رواناب HBV از معادله جریان روزانه ورودی به سد شهید رجایی در حوضه آبریز تجن، استفاده گردید. نتایج نشان داد روش مزبور قابلیت تشخیص عدم قطعیت در مدل را دارد. بطوری که شاخص ناش در در بازه 4/0 تا 68/0 بدست آمد. روش مزبور در خصوص شناسایی و معرفی نظریه همپایانی، با استفاده از دسته پارامترهای مختلف در واسنجی مدل، موثر است. بطوریکه با بکارگیری دسته‌ پارامترها، مقدار یکسانی از شاخص نکویی برازش، حاصل می‌گردد.

کلیدواژه‌ها


عنوان مقاله [English]

Uncertainty estimation of rainfall- runoff calibration process using the Generalized likelihood method (GLUE) in HBV model

چکیده [English]

It is not possible to define the exact amount of runoff in the watersheds generated by rainfall due to contribution of different variables such as evaporation, transpiration and infiltration and it contains error.There is uncertainty in simulating streamflow because of complexity of the process. Hence, it is necessary to consider uncertainty in calibration of applied models which are categorized in three parts. They are associated with input data, model structure and parameters of the model. Using statistics and Bayesian analysis is a useful approach for calculating the uncertainty of simulation processes. The mixture of Bayesian analysis and Monte Carlo approach regarding the goodness of fit measures has been used for quantification of uncertainty in this research. This method is called generalized likelihood uncertainty estimation (GLUE). It has applied for calculating the uncertainty of modeling daily stream flow in upstream of Shahid Rajaee dam in Tajan watershed with HBV model. The results have shown that it is possible to quantify the uncertainty with the proposed method. Moreover, the Nash suttclife measure varied between 0.4 and 0.68. The results have shown that the GLUE approach is a suitable method for both quantification of uncertainty and also investigation of equifinality theory which states that different parameter sets can result to a similar goodness of fit index.

کلیدواژه‌ها [English]

  • Uncertainty
  • Bayesian analysis
  • Monte-carlo
  • HBV model
  • Equifinality

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 09 دی 1398
  • تاریخ دریافت: 18 فروردین 1394
  • تاریخ بازنگری: 09 خرداد 1397
  • تاریخ پذیرش: 20 خرداد 1397
  • تاریخ اولین انتشار: 09 دی 1398