بررسی عملکرد مدل های تانک و SimHyd در شبیه سازی رواناب حوضه ی آبریز قره سو
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 600
فایل این مقاله در 11 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AGROCONGRESS03_033
تاریخ نمایه سازی: 8 اردیبهشت 1396
چکیده مقاله:
با توجه به نقش اساسی رواناب های سطحی کشور بر ایجاد پدیده هایی مانند سیل، فرسایش خاک و رسوبگذاری در مخازن و بروز مشکلات کیفی در منابع آب و نیز پیامدهای اقتصادی، سیاسی و اجتماعی و خسارات جانی و مالی، به سیاستگذاری ، برنامه ریزی و مدیریت رواناب ها جهت جلوگیری از وقوع این اتفاقات به ویژه در سطح حوضه نیاز است. یکی از راهکارهای مدیریتی در این راستا، شبیه سازی رواناب حوضه با استفاده از ابزارهایی چون مدل های هیدرولوژیکی می باشد. هدف از این مطالعه مقایسه ی دو مدل مفهومی بارش-رواناب تانک و SimHyd با استفاده از روش بهینه سازی الگوریتم ژنتیک جهت شبیه سازی رواناب در حوضه ی آبریز قره سو است. به همین منظور ابتدا داده های بارندگی، تبخیروتعرق پتانسیل روزانه و مقادیر رواناب مشاهده ای حوضه با نسبت 60 و 40 درصد به ترتیب برای دوره ی واسنجی و صحت سنجی به هر یک از دو مدل وارد و با انتخاب روش بهینه سازی الگوریتم ژنتیک و تابع هدف نش-ساتکلیف، رواناب حوضه شبیه سازی و سپس معیارهای ارزیابی نش-ساتکلیف (NS) و ریشه میانگین مربعات خطا (RMSE) برحسب مترمکعب برثانیه به منظور بررسی نتایج بدست آمده برآورد گردید. نتایج نشان داد که مدل SimHyd با ضرایب NS و RMSE به ترتیب معادل 719/0 و 77/13 در دوره ی واسنجی نسبت به مدل تانک با ضرایب NS و RMSE به ترتیب برابر با 647/0 و 50/49 در همین دوره توانایی بیشتری برای شبیه سازی بارش-رواناب حوضه دارد. همچنین بررسی معیارهای ارزیابی در دوره ی صحت سنجی با ضرایب NS و RMSE معادل 677/0 و 19/16 و همچنین 443/0 و 98/20 به ترتیب برای دو مدل SimHyd و مدل تانک، حاکی از برتری مدل SimHyd در هر دو دوره ی واسنجی و صحت سنجی نسبت به مدل تانک می باشد.
کلیدواژه ها:
نویسندگان
فاطمه پورصالحی
دانشجوی دکتری مهندسی منابع آب دانشگاه بیرجند
حسین خزیمه نژاد
استادیار گروه مهندسی آب دانشگاه بیرجند
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :