تحلیل عدم قطعیت تراز سطح آب مخازن سد کارون و دز ناشی از عدم قطعیت هیدروگراف جریان‌های ورودی

عملیات کنترل سیل در زمان واقعی یک سیستم مخازن می تواند تا حد زیادی از خسارت جانی و مالی بکاهد. در این مطالعه، یک مدل برای عملیات کنترل سیل در زمان واقعی در مخازن تحت وقوع سیلاب در فروردین‌ماه سال 1398 و عدم قطعیت هیدروگراف های جریان‌های ورودی ارائه شده است. مدل ارائه‌شده شامل سه ماژول سیلاب به وقوع پیوسته فروردین‌ماه 1398، شبیه سازی مونت‌کارلو (monte carlo-hec-ressim) و بررسی تاثیر عدم قطعیت متغیرهای ورودی (هیدروگراف جریان ورودی و میانی) بر عدم قطعیت تراز سطح آب و حجم آب در مخازن سدها است. برای به کمیت درآوردن عدم قطعیت مدل hec-ressim در شبیه‌سازی تراز سطح آب مخزن سد از دو فاکتور باند اطمینان 95 درصد (p-factor) و شاخص عامل عرض باند (d-factor) استفاده شد. براساس نتایج حاصل از شبیه ‌سازی مونت‌کارلو، عدم قطعیت در تراز سطح آب سدهای دز، کارون یک و گتوند به‌علت عدم قطعیت هیدروگراف جریان ورودی به‌ترتیب برابر با 0.037، 0.107 و 0.034 درصد به‌دست آمد. بنابراین بیش‌ترین و کم‌ترین عدم قطعیت در تراز سطح آب به‌علت عدم قطعیت هیدروگراف جریان ورودی به‌ترتیب مربوط به سدهای کارون یک و گتوند می‌باشد. علاوه بر این پهنای باند عدم قطعیت مدل hec-ressim در شبیه‌سازی تراز سطح آب در مخازن دز، کارون یک و گتوند علیا به‌ترتیب برابر با 0.151، 0.407 و 0.808 حاصل شد. با توجه به این‌که حداکثر میزان مجاز عامل پهنای باند مورد پذیرش برابر با یک است، پهنای باند عدم قطعیت به ‌دست‌آمده در تمام پارمترها (شامل مقادیر ورودی و خروجی از مخازن، حجم مخازن و نقاط کنترل پایین دست سدها) مورد پذیرش می‌باشد. این امر حاکی از عدم قطعیت پایین مدل hec-ressim در عملیات بهره‌برداری از مخازن است. مقادیر درصد  ppu95 داده‌ های مشاهداتی در باند اطمینان 95 درصد برای سطح تراز آب مخازن در سه سد موردمطالعه 100 درصد بود. بالابودن شاخص ppu 95 نشان از برخورداری مدل از یک مبنای فیزیکی و نظری قوی است. برای سایر پارامترها، مقادیر  ppu95 کم بود که این ناشی از پایین‌بودن عدم قطعیت پارامتر است.

uncertainty analysis of the water level of the karun and dez dam reservoirs due to the inflow hydrograph uncertainty

the real-time flood control operation of a reservoir system can greatly reduce human and financial losses. in this study, a model for real-time flood control operations in reservoirs under the occurrence of floods in april 2019 and the uncertainty of hydrographs of inflows is presented. the presented model includes three modules: the flood that occurred in april 2019, monte carlo-hec-ressim simulation, and uncertainty analysis. the considered uncertainty factor is the hydrograph of the input to the reservoirs and side flows to the river. a monte carlo-hec-ressim simulation was performed according to the real flood of april 2018. in order to quantify the uncertainty of the hec-ressim model in the simulation of the water level of the dam reservoir, two 95 percent confidence band factors (p-factor) and the band width factor index (d-factor) were used. based on the results of the monte carlo simulation, the uncertainty in the water level of dez, karun and gotvand dams due to the uncertainty of the hydrograph of the inflow was 0.037, 0.107 and 0.034 percent, respectively. therefore, the highest and lowest uncertainty in the water level due to the uncertainty of the inflow hydrograph is related to the karun 1 and upper gotvand dams, respectively. in addition, the uncertainty bandwidth of the hec-ressim model in simulating the water level in dez, karun 1, and upper gotvand reservoirs was 0.151, 0.407, and 0.808, respectively. considering that the maximum allowable amount of the accepted bandwidth factor is equal to one, the uncertainty bandwidth obtained in all the parameters (including the input and output values from the reservoirs, the volume of the reservoirs and the control points downstream of the dams) is accepted. this indicates the low uncertainty of the hec-ressim model in reservoir exploitation operations. the 95ppu values of the observational data in the 95 percent confidence band for the water level of the reservoirs in the three studied dams were 100 percent. a high 95ppu value indicates that the model has a strong physical and theoretical basis. for other parameters, the 95ppu values were low due to the low uncertainty of the parameters.