تحلیل عدم قطعیت پارامترهای نفوذ مدل شبیه سازی آبیاری جویچه ای WinSRFR با روش مونت کارلو

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 75

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJSWR-50-4_018

تاریخ نمایه سازی: 6 خرداد 1402

چکیده مقاله:

پارامترهای نفوذ مورد استفاده در مدل­های شبیه ساز آبیاری سطحی به طور مستقیم قابل اندازه­گیری نیستند و تعیین آن ها مشکل بوده و با عدم قطعیت همراه است. بنابراین باید پس از واسنجی پارامترهای مدل، عدم قطعیت ناشی از وجود خطا در مدل را بررسی نموده و راهکارهایی برای کاهش و کنترل عدم قطعیت نتایج ارائه گردد. به همین دلیل در این مطالعه از رویکرد شبیه­سازی مونت کارلو استفاده شده است. امروزه فرآیند شبیه سازی مونت کارلو به عنوان روشی برای تعیین یکپارچه و هم زمان انواع مختلف عدم قطعیت با توابع هدف گوناگون استفاده می شود. به این منظور این تحقیق با هدف تحلیل عدم قطعیت نتایج شبیه سازی هیدروگراف رواناب خروجی و منحنی پیشروی مدل­سازی شده توسط نرم افزار WinSRFR در آبیاری جویچه­ای، با توسعه رویکرد تحلیل پسین ضرایب نفوذ و شبیه سازی ۱۰۰۰ نمونه مونت کارلو انجام شد. نتایج نشان دهنده عدم قطعیت بالا (پهنای باند اطمینان بزرگتر از ۴) در گزینش اولیه پارامترهای نفوذ آبیاری جویچه ای است. برای جداسازی شبیه سازی های کارآمد و غیرکارآمد شاخص نش-ساتکلیف مورد استفاده قرار گرفت و آستانه قابل­پذیرش شاخص تعیین شد. با اعمال معیار شبیه سازی های کارآمد شناسایی شدند و برای تحلیل عدم قطعیت هدفمند در مدل مورد استفاده قرار گرفتند. تحلیل عدم قطعیت مدل بر مبنای کران های عدم قطعیت ۵% و ۹۵% خطای شبیه سازی های کارآمد انجام شد. در این حالت پهنای باند عدم قطعیت (d-factor) دو متغیر پاسخ کمتر از یک بود که نشان دهنده لزوم توجه دقیق در فرآیند واسنجی مدل برای کاهش عدم قطعیت خروجی­ها است. نتایج تحلیل عدم قطعیت نشان داد که با کاربرد روش مونت کارلو، عدم قطعیت پارامترهای مدل به طور قابل توجهی کاهش یافت و استفاده از این روش در مدل سازی و مدیریت سیستم­های آبیاری جویچه­ای توصیه می شود.

نویسندگان

فاطمه سروش

گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ولی عصر

حسین ریاحی

استادیار، علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه ولی عصر (عج) رفسنجان

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 :
  • Abbaspour, K. C., Yang, J., Maximov, I., Siber, R., Bogner, ...
  • Afshar, V. (۲۰۱۵). Effect of polyacrylamide application on run-off, erosion ...
  • Akbari, M., Gheysari, M., Mostafazadeh-Fard, B. and Shayannejad, M. (۲۰۱۸). ...
  • Arabi, H., (۲۰۱۷). Evaluation and comparison of three methods of ...
  • Azad, N., Rezaerdinejad, V., Besharat, S.; Behmanesh, J. and Ashraf ...
  • Bautista, E. (۲۰۱۶). Effect of infiltration modeling approach on operational ...
  • Bautista, E., Clemmens, A. J., Strelkoff, T. S., and Schlegel, ...
  • Bautista, E., Clemmens, A.J., and Strelkoff, T.S. (۲۰۰۹c). Structured application ...
  • Beven, K. (۲۰۰۶). A manifesto for the equifinality thesis. Journal ...
  • Bhavsar, P. N., and Patel, J. N. (۲۰۱۸). Event-based rainfall–run-off ...
  • Clemmens, A. J., Dedrick, A. R. and Strand. R. J., ...
  • Cahoon, J. (۱۹۹۸). Kostiakov infiltration parameters from kinematic wave model. ...
  • DeGroot, M. H. (۱۹۸۶). Probability and statistics, ۲nd Ed., Addison-Wesley, ...
  • Dybowski, R. (۱۹۹۷). Assigning confidence intervals to neural network predictions ...
  • Esfandiari, M. and Maheshwari, B., (۲۰۰۰). Sensitivity of a furrow ...
  • Ghahremannejad, M., Boroomandnasab, S. and Sheini Dashtegol, A. (۲۰۱۶). Determining ...
  • Gupta, H. V. (۲۰۰۵, December). Transforming Information into Models: A ...
  • Heidari, A., B. Saghfian and R. Maknoon. (۲۰۰۵). Flood Hydrograph ...
  • Jacquin, A. P., and Shamseldin, A. Y. (۲۰۰۷). Development of ...
  • Khoi, D. N., and Thom, V. T. (۲۰۱۵). Parameter uncertainty ...
  • Khorammi, M., and Ghahraman, B. (۲۰۱۷). Analyzing the Effect of ...
  • Marcé, R., Comerma, M., García, J. C., and Armengol, J. ...
  • McClymont, D. J., Raine, S. R. and Smith, R. J. ...
  • Moradzadeh, M., Boroomandnasab, S., Lalehzari, R. and Bahrami, M., (۲۰۱۳). ...
  • Nash, J. E., and Sutcliffe, J. V., (۱۹۷۰). River flow ...
  • Nie, W., Fei, L., and Ma, X. (۲۰۱۴). Impact of ...
  • Rezaverdinejad, R., Ahmadi, H., Hemmati, M. and Ebrahimian, H. (۲۰۱۶). ...
  • Riahi-Madvar, H., Khashaei, A., Seifi, A. (۲۰۱۷). Accuracy and uncertainty ...
  • Sayari, S., Rahimpour, M. and Zounemat Kermani, M. (۲۰۱۶). Evaluation ...
  • Soroush, F. (۲۰۱۲). Numerical simulation and evaluation of fertigation and ...
  • Soroush, F., Akhavan, S., and Afshar, V. (۲۰۱۵). Effect of ...
  • Strelkoff, T. S., Clemmens, A. J. and Schmidt, B. V. ...
  • Taghizadeh, Z., Verdinejad, V. R., Ebrahimian, H. and Khanmohammadi, N. ...
  • Taylor, K. E. (۲۰۰۱). Summarizing multiple aspects of model performance ...
  • Tibshirani, R. (۱۹۹۶). A comparison of some error estimates for ...
  • Valipour, M. and Montazar, A. A. (۲۰۱۲). Sensitive analysis of ...
  • Walker, W. R. (۲۰۰۵). Multilevel calibration of furrow infiltration and ...
  • Walker, W. R. and Skogerboe, G. V. (۱۹۸۷). Surface irrigation: ...
  • Walker, W. R., and Kasilingam, B. (۲۰۰۴). Another look at ...
  • Walker, W.R. and Humpheys, A. S. (۱۹۸۳). Kinematic wave furrow ...
  • Zerihun, D., Feyen, J. and Reddy, J. M. (۱۹۹۶). Sensitivity ...
  • نمایش کامل مراجع