برآورد میزان رواناب با کمک مدل های تغییر یافته scs

در دهه های اخیر مدل های مفهومی مختلفی ارائه شده است که این مدل ها مواره دارای پارامترهایی هستند که می بایست با توجه به داده های مشاهداتی مورد تخمین قرار گیرند. از طرف دیگر، یافتن مقادیر بهینه برای پارامترهای هر مدل شبیه سازی، کاری است که همواره با شک و تردید همراه می باشد. یکی از روش های عمده برای پیش بینی سیلاب، روش سازمان حفاظت خاک آمریکا (scs) می باشد که توسط محققین زیادی مورد بازبینی و تغییر قرار گرفته است. هدف از تحقیق حاضر، واسنجی پارامترهای 1- روش اصلاحی cn، -2 مدل میشرا و سینگ، 3- روش قدیمی شماره منحنی هر سه نسخه مدل معروف scs و مقایسه نتایج آن ها می باشد. با توجه به مشکل اعتماد و نقص در داده های حوضه های داخل کشور، حوضه معرف با کیفیت داده های بارش و رواناب ساعتی مورد قبول، واقع در جنوب شیلی با استفاده از الگوریتم فراکاوشی pso مورد مطالعه قرار گرفت. مقادیر دبی شبیه سازی شده با استفاده از معیارهای خطای کلینگ گوپتا (kge)، ضریب ناش- ساتکلیف (ns)، ضریب همبستگی (r2) و میانگین مربعات خطا (rmse) مورد بررسی قرار گرفت. به طور خلاصه مقایسه نتایج مقادیر رواناب شبیه سازی شده و مشاهده شده با کمک معیارهای ارزیابی مدل، نشان ازکارایی بالاتر دو روش 1- میشرا و سینگ و 2- روش اصلاحی cn (kge=0.91) در شبیه سازی بارش-رواناب بود که لزوم بازنگری جدی استفاده از روش های بارش-رواناب مرسوم مبتنی بر شماره منحنی را می طلبد.

Estimation of Runoff using Modified SCS Models

In recent decades, due to the importance of watershed management programs and the need for adequate information and correct estimation of rainfall and runoff, many conceptual models have been proposed. These models have parameters that must be estimated according to observational data. However, finding the optimal values for the parameters of simulation models has always faced uncertainty. One of the main methods for evaluating and predicting floods is the soil conservation methods provided by the Soil Conservation Service (SCS). This study aims to calibrate model parameters for three modified SCS models, i.e. 1- the Mishra and Singh model, 2- curve number model, and 3- modified curve number (MCN) model, in a basin in southern Chile using the evolutionary PSO algorithm. Comparison of the results was carried out using performance criteria such as Kling Gupta Efficiency (KGE), Nash-Sutcliff coefficient (NS), and mean square error (RMSE). Results revealed that simulated runoff is more efficient in MCN and Mishra and Singh models with KGE = 0.91 in rainfall-runoff simulations.