تحلیل عدم قطعیت زبری در آب ‌گرفتگی رودخانه‌ها با کمک مدل hec-ras

نقشه‌های سیلاب براساس رویکرد قطعی اگرچه به‌عنوان ابزاری مهم در به حداقل رساندن تلفات ناشی از سیلاب نقش دارند، اما عدم قطعیت قابل‌توجهی در محاسبه سطح آب‌گرفتگی وجود دارد. زبری به‌عنوان یک پارامتر کلیدی بر ارتفاع سطح آب محسوب می‌شود و ازآنجایی‌که به‌سادگی قابل اندازه‌گیری نیست و برمبنای روش‌های تجربی و آزمایشگاهی تخمین زده می‌شود، لزوماً درجه قابل‌توجهی از عدم قطعیت را به مدل وارد می‌کند. به‌ همین منظور در این مقاله چارچوب احتمالی برمبنای رویکرد شبیه‌سازی مونت‌کارلو برای تحلیل عدم قطعیت ضریب زبری به کمک مدل hecras استفاده شده است. در این چارچوب، ماژول محاسباتی در زبان ویژوال بیسک جهت ارتباط با hecrascontroller به‌منظور اجرای خودکار 84000 شبیه‌سازی مونت‌کارلو در بازه 7.5 کیلومتر از رودخانه کارده فراهم شد. در هر اجرا بر روی 84 مقطع عرضی به‌صورت مجزا تعداد 1000 شبیه‌سازی مونت‌کارلو براساس توزیع احتمال زبری مانینگ انجام شد و نتایج عدم قطعیت زبری بر ارتفاع سطح آب در سطح اطمینان %99، %95، %50، %5 و %1 ارائه شد. نتایج حاکی از تاثیر قابل‌توجه زبری بر باند عدم قطعیت ارتفاع سطح آب در سطح اطمینان %90 بوده به‌طوری‌که تغییرات ارتفاعی سطح آب در بسیاری مقاطع به بیشتر از 1 متر می‌رسد. با مقایسه مقاطع با باند عدم قطعیت حداقل و حداکثر مشاهده می‌شود مقاطعی که در آن‌ها شیب عرضی بیشتر بوده عدم قطعیت بیشتر و مقاطع v شکل با شیب عرضی کمتر از باند عدم قطعیت کمتری برخوردارند. علاوه‌براین، نتایج تحلیل حساسیت جهت انتخاب تعداد شبیه‌سازی‌ بهینه نشان می‌دهد پهنای باند عدم قطعیت برای تعداد شبیه‌سازی‌های بیشتر از 1000 اجرا تحت تاثیر قرار نمی‌گیرد. نتایج ارائه شده براساس رویکرد احتمالی و با افزایش قابلیت اعتماد و بهبود عملکرد مدل مبتنی بر عدم قطعیت زبری در رودخانه کارده می‌تواند در طراحی سطوح آبگیر مورد استفاده قرار گیرد.

Roughness uncertainty analysis in river flooding using HEC-RAS model

Although flood maps based on the deterministic approach play an important role in minimizing flood losses, there is considerable uncertainty in calculating the level of water inundation. Roughness is a key parameter in water surface elevation. Since roughness is not easily measurable and is estimated based on experimental and laboratory methods, it introduces a significant degree of uncertainty into the model. Therefore, in this paper, a probabilistic framework based on the Monte Carlo simulation approach is used to analyze the uncertainty of the roughness coefficient using the HECRAS model. In this framework, a computational module in Visual Basic language was introduced to communicate with the HECRASController to automatically run 84,000 Monte Carlo simulations within 7.5 km of the Karde River. In each performance, 1000 Monte Carlo simulations were performed in 84 separate crosssections based on the Manning roughness probability distribution and the results of roughness uncertainty at water elevation were presented at 99%, 95%, 50%, 5%, and 1% confidence levels. The results indicate a significant effect of roughness on the water surface elevation uncertainty at 90% confidence level so that changes in water surface elevation in many crosssections reach more than 1 meter. Comparing the crosssections with the minimum and maximum uncertainty bands, show that the crosssections with higher lateral gradients have more uncertainty and the Vshaped crosssections with the lower lateral gradients have fewer uncertainty bands. Also, the results of sensitivity analysis to select the optimal number of simulations indicate that the bandwidth of uncertainty is not affected by the number of simulations of more than 1000 runs. The presented results based on the deterministic approach and increasing the reliability and improving the performance of the model based on the uncertainty of roughness in the Karde River can be used in the design of rainwater catchment.