>
Fa   |   Ar   |   En
   تاثیر انتخاب تابع درستنمایی در تخمین عدم قطعیت مدل شبیه سازی سیلاب hec-hms با استفاده از الگوریتم مونت کارلو زنجیر مارکوف  
   
نویسنده نورعلی مه روز ,قهرمان بیژن ,پوررضا بیلندی محسن ,داوری کامران
منبع تحقيقات منابع آب ايران - 1395 - دوره : 12 - شماره : 3 - صفحه:80 -98
چکیده    در تحقیق حاضر از الگوریتم dream_(zs) (از الگوریتم‌های مبتنی بر مونت کارلو زنجیره مارکوف) به‌منظور بررسی عدم قطعیت پارامترهای مدل هیدرولوژیکی hec-hms در حوزه‌ آبخیز تمر به مساحت 1530کیلومتر‌مربع واقع در استان گلستان استفاده شد. از سه رویداد برای واسنجی و یک رویداد در اعتباریابی استفاده گردید و تعداد 24 پارامتر واسنجی برای کل حوزه درنظر گرفته شد. همچنین تاثیر 5 تابع درستنمایی بر روی نتایج روش dream_(zs) ارزیابی گردید. توابع درستنمایی l1 تا l3 به‌عنوان توابع درستنمایی غیرصریح (informal) و توابع درستنمایی l4 و l5 به عنوان توابع درستنمایی صریح (formal) در نظر گرفته شدند. تابع درستنمایی l1، راندمان ناش ساتکلیف (ns) می‌باشد. l2، حداقل میانگین مربعات خطا است. تابع درستنماییl3، از واریانس خطای تخمین مدل استفاده می‌کند. تابع درستنمایی l4، ارتباط بین برازش حداقل مربعات استاندارد (sls) و استنباط بیزی را مشخص می‌کند. در تابع درستنمایی l5، وابستگی پیاپی خطاهای باقی‌مانده با استفاده از مدل خودرگرسیون مرتبه اول باقی‌مانده‌های خطا (ar) محاسبه می‌شود. نتایج نشان داد که حساسیت پارامترها وابسته به انتخاب تابع درستنمایی بوده و حساسیت همه پارامترها در برابر توابع مختلف درستنمایی یکسان نیستند. بیشتر پارامترها توسط تابع درستنمایی l4 و l5 بهتر تعیین شده و حساسیت بالایی را به عملکرد مدل نشان دادند. مقدار فاکتور p عدم قطعیت کل نشان داد که 75 تا 100 درصد مشاهدات دربازه‌های عدم اطمینان 95% پیش‌بینی مدل قرار می گیرد. نتایج بررسی معیارهای ارزیابی عدم قطعیت شامل فاکتورp، فاکتور r (ضخامت نسبی محدوده اطمینان 95درصد)، جذر میانگین مربعات خطا (rmse)، معیارهای کلینگ گوپتا (kge) و ناش -ساتکلیف (ns) نشان داد که عملکرد dream_(zs) باتوابع درستنمایی l4 و l5 بهتر از توابع دیگر درستنمایی است.
کلیدواژه عدم قطعیت، الگوریتم dream_(zs)، تابع درستنمایی، hec-hms، خودرگرسیون مرتبه اول
آدرس دانشگاه فردوسی مشهد, پردیس بین الملل, ایران, دانشگاه فردوسی مشهد, دانشکده کشاورزی, گروه مهندسی آب, ایران, دانشگاه بیرجند, دانشکده کشاورزی, گروه مهندسی آب, ایران, دانشگاه فردوسی مشهد, دانشکده کشاورزی, گروه مهندسی آب, ایران
پست الکترونیکی kamdav@um.ac.ir
 
   Effect of Likelihood Function Choice for Estimating Uncertainty of HECHMS Flood Simulation Model Using Markov Chain Monte Carlo Algorithm  
   
Authors Nourali M ,Ghahraman B ,Pourreza Bilondi M ,Davary K
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved