واسنجی و تحلیل عدم قطعیت مدل COUP برای شبیه سازی دمای خاک در ایستگاه سینوپتیک همدان

سال انتشار: 1392
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 461

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JSW-27-5_007

تاریخ نمایه سازی: 2 آبان 1396

چکیده مقاله:

در این پژوهش واسنجی و تحلیل عدم قطعیت مدل COUP با هدف شبیه سازی دمای خاک در مقیاس زمانی سه ساعته برای ایستگاه سینوپتیک همدان انجام شده است. برای این منظور از روش برآورد عدم قطعیت درست نمایی تعمیم یافته GLUE استفاده شده است . 22 پارامتر که ارتباط نزدیکی با شبیه سازی دمای خاک دارند، انتخاب گردیدند و با انجام نمونه گیری های تصادفی به روش مونت کارلو از فضای عدم قطعیت آنها، 25000 سناریو از ترکیب مقدار پارامترها تولید و شبیه سازی های مدل بر اساس آن ها انجام شد. برای جداسازی شبیه سازی های کارآمد و ناکارآمد از یکدیگر سه شاخص نش - ساتکلیف، میانگین اریبی خطا، و ریشه میانگین مربعات خطا در نظر گرفته شدند و آستانه های قابل پذیرش برای هر شاخص تعریفگردید. با اعمال آستانه های قابل پذیرش، تعداد 253 شبیه سازی به عنوان شبیه سازی های کارآمد شناسایی شدند و مبنای انجام واسنجی و تحلیل عدم قطعیت مدل قرار گرفتند. بر مبنای توزیع پسین پارامترها، تعدادی از پارامترها به عنوان پارامترهای حساس شناخته شدند. واسنجی مدل بر اساس میانه شبیه سازی های کارآمد و تحلیل عدم قطعیت بر مبنای کرانهای عدم قطعیت 5% و 95 % خطای مربوط به شبیه سازی های کارآمد انجام شد. نتایج حاکی از بهبود قابل توجه در عملکرد مدل پس از انجام واسنجی در مقایسه با حالت اجرای مدل با مقادیر پیش فرض پارامترها بود. همچنین، نتایج حاصل از تحلیل عدم قطعیت نشان داد که به کارگیری روش GLUE در بیشتر موارد منجر به کاهش عدم قطعیت مربوط به پارامترهای مدل گردید و باقی مانده اختلافات بین مقادیر شبیه سازی شده و داده های مشاهداتی به سایر منابع عدم قطعیت نسبت داده شد

نویسندگان

یونس خوشخو

دانشجوی دکتری گروه آبیاری و آبادانی، پردیس ، کشاورزی و منابع طبیعی دانشگاه تهران

پرویز ایران نژاد

دانشیار گروه فیزیک فضا، موسسه ژیوفیزیک دانشگاه تهران

علی خلیلی

استاد گروه آبیاری و آبادانی، پردیس ، کشاورزی و منابع طبیعی دانشگاه تهران

حسن رحیمی

استاد گروه آبیاری و آبادانی، پردیس ، کشاورزی و منابع طبیعی دانشگاه تهران