مهراد بیات - کارشناسی ارشد مهندسی عمران مدیریت منابع آب، دانشگاه علم و صنعت ایران، تهران
حسین علیزاده - استادیار دانشکده ی مهندسی عمران، دانشگاه علم و صنعت ایران، تهران
برات مجردی - استادیار دانشکده ی مهندسی عمران، دانشگاه علم و صنعت ایران، تهران

امروزه جذب داده به عنوان یکی از موثرترین روش های تخمین پارامترهای مدل ها و پیش بینی متغیرهای هیدرولوژیکی شناخته می شود. اغلب پژوهش های انجام شده در زمینه ی جذب داده در مدل های هیدرولوژیکی، در مقیاس روزانه صورت گرفته و استفاده از این روش در مقیاس ماهانه چندان مورد توجه نبوده است. در این پژوهش به منظور نشان دادن توانایی جذب داده در شبیه سازی های ماهانه، از الگوریتم فیلتر آنسامبل کالمن (EnKF) در کنار مدل SWAT و به منظور تخمین پارامتر و پیش بینی رواناب حوضه ی آبریز مهابادچای از زیرحوضه های دریاچه ی ارومیه، استفاده شد. فرایند تخمین یک بار در مقیاس ماهانه و بار دیگر در مقیاس روزانه صورت پذیرفت. پس از مدلسازی محدوده ی مطالعاتی، به منظور پیش بینی رواناب و تخمین پارامترهای مدل SWAT الگوریتم فیلتر آنسامبل کالمن (EnKF) در قالب روش تخمین متصل متغیر حالت-پارامتر در محیط نرم افزار MATLAB برنامه نویسی شد. سپس با استفاده از فراخوانی مدل SWAT در محیط MATLAB الگوریتم EnKF و مدل در کنار یکدیگر اجرا شدند. نتایج شبیه سازی های روزانه و ماهانه با استفاده از معیارهای نکویی برازش مختلف سنجیده شد. در پایان مشاهده شد که مقادیر معیارهای نکویی برازش برای اجرای ماهانه مناسبتر بوده که این موضوع حاکی از فراهم بودن امکان شبیه سازی مناسب در مقیاس ماهانه است. از طرفی علیرغم آنکه تعداد گام های زمانی اجرای مدل و جذب مشاهدات در مقیاس ماهانه کمتر از مقیاس روزانه بود، اما میزان همگرایی پارامترها در مقیاس ماهانه بیشتر است.

کالیبراسیون، پیش بینی، SWAT، جذب داده، فیلتر آنسامبل کالمن