بررسی مقایسه‌ای روش‌های رگرسیون خطی و فیلتر کالمن در به‌روزرسانی روابط دبی- اشل (مطالعه موردی: ایستگاه هیدرومتری حمیدیه، حوضه آبریز کرخه)

دسترسی به داده با دقت مناسب از ضروری‌ترین ارکان مدیریت بهینه منابع آب در حوضه‌های آبریز است. در این راستا، همواره استفاده از روش های دقیق‌تر و کاهش خطای تجهیزات اندازه‌گیری موردتوجه بوده است. در این میان، مقادیر دبی در مقاطع روباز نظیر رودخانه ها از پرکاربردترین داده‌های آب است. علیرغم پیشرفت‌های انجام‌گرفته در اندازه‌گیری دبی، با توجه به محدودیت‌های عملیاتی استفاده از روابط دبی- اشل کماکان پرکاربردترین روش در برآورد دبی در رودخانه‌ها و زهکش‌ها است. این روابط همواره با خطاها و عدم قطعیت‌های مختلف روبرو بوده و اصلاح و ‌به‌روزرسانی دوره‌ای آن‌ها ضروری است. در این تحقیق، روش‌شناسی مبتنی بر بررسی روش‌های رگرسیون خطی و تکنیک داده‌گواری فیلتر کالمن به ‌منظور به‌روزرسانی این روابط مورد ارزیابی قرارگرفته است. بدین منظور، از دو سری داده‌ فرضی و اندازه‌گیری شده باهدف توسعه روش‌شناسی و اثبات کارایی این روش در بهبود عملکرد روابط دبی- اشل استفاده‌ شده است. نتایج به‌ دست‌ آمده نشان ‌دهنده کاهش 22 و 94 درصدی آماره های ارزیابی rmse و mae به ترتیب با به‌کارگیری رگرسیون خطی و فیلتر کالمن برای داده‌های فرضی است. به همین ترتیب پس از تائید کارایی فیلتر، از آن برای داده‌های واقعی ایستگاه هیدرومتری حمیدیه واقع بر روی رودخانه‌ کرخه نیز استفاده شد. نتایج نشان‌دهنده کاهش 31 و 42 درصدی آماره‌های rmse و mae در صورت استفاده از فیلتر کالمن است. بر این اساس، می‌توان بیان کرد که استفاده از فیلتر کالمن به ‌منظور اصلاح و به‌روزرسانی ضرایب رابطه دبی- اشل در افزایش دقت داده‌های برآورد شده از این روابط به‌خصوص در شرایط سیلابی بسیار موثر است.

a comparative study of linear regression and kalman filter methods in updating stage-discharge relationships, a case study: hamidiyeh station, karkheh basin

access to data with adequate accuracy is one of the most important elements of optimal water resources management. in this context, the use of more accurate methods and reducing the error of measuring devices has always been considered. in the meantime, discharge values in open channels such as rivers are among the most frequently used water data. despite advances in discharge measurement due to operational constraints, the use of stage-discharge relationships remains the most widely used method for estimating discharge in rivers and drainage channels. these relationships are always subject to various errors and uncertainties and need to be modified and updated regularly. in this study, the linear regression and kalman filter data assimilation technique are evaluated to update these relationships. for this purpose, two series of hypothetical and measured data were used to develop the methodology and prove the efficiency of this method in improving the performance of stage-discharge relationships. the results obtained showed a 22% and 97% reduction in rmse and mae assessment statistics respectively by applying the linear regression and kalman filter to hypothetical data. after confirming the effectiveness of the filter, it was also applied to the real data from the hamidiyeh station in karkhe basin. the results showed a reduction in the rmse and mae by 31 and 42 percent, respectively, when using the kalman filter. it can be deduced that the use of the kalman filter to modify and update the coefficients of the relationship between stage and discharge is effective to increase the accuracy of data estimated from these relationships.