روندیابی معکوس سیلاب به روش موج پخشیدگی (مطالعه موردی: رودخانه یوان واقع در کشور چین)

به منظور کاهش خسارات مالی و جانی در سیستم های پیش بینی و هشدار سیل و همچنین مباحث تخصیص آب به خصوص مصارف با درجه اولویت بالا در اختیار داشتن مدلی سریع و دقیق برای پیش بینی هیدروگراف ورودی اهمیت فراوانی دارد. در پژوهش حاضر با استفاده از مدل موج پخشیدگی اقدام به روندیابی معکوس سیل در رودخانه یوان واقع در کشور چین با استفاده از روش عددی سلول مخلوط و کرانک نیکلسون شد. این روش های عددی به دلیل سرعت محاسبات بالا و عدم نیاز به اطلاعات توپوگرافی و هیدرولیکی رودخانه انتخاب شدند. بدین منظور از اطلاعات سیلاب های رودخانه یوان در طول پنج سال استفاده شد و سپس نتایج حاصله از شبیه سازی عددی با داده های مشاهداتی مقایسه شد. بر این اساس شاخص های آماری ضریب تبیین، شاخص نشساتکلیف، شاخص ویلموت و ضریب مجموع باقیمانده تعیین و با بررسی این شاخص ها مشاهده شد که نتایج حاصله از هر دو روش عددی از دقت خوبی برخوردار بودند. حداکثر خطای بیشینه دبی مشاهداتی و محاسباتی در روش کرانک نیکلسون و سلول مخلوط به ترتیب 0.22 و 0.59 درصد بود. بر اساس نتایج به دست آمده در پیش بینی دبی بیشینه و هیدروگراف ورودی مشاهده شد که روش کرانک نیکلسون نسبت به روش سلول مخلوط دقت بالاتری دارد.

Invers Flood Routing based on Diffusion Wave Model (A Case Study on Yuan River, China)

it is important to have a fast and accurate model for predicting incoming hydrographs in order to reduce the financial and life damage in flood forecasting systems as well as water allocation issues, especially high priority consumption. In this study, using diffusion wave model, inverse flood routing in Yuan River in China was performed using mixing cell and Crank Nicolson numerical method. These numerical methods were chosen because of their high computational speed and no need for river topographic and hydraulic information. For this purpose, Yuan River flood information data for five years were used, then the numerical simulation results were compared with observational data. Accordingly, the statistical indices of coefficient of determination, NashSutcliffe index, Wilmot index and residual sum coefficient were determined. The results showed that both numerical methods have good accuracy. The maximum error for the observed and calculated maximum discharge in CrankNicolson and mixing cell methods were 0.22 and 0.59%, respectively. Based on the results obtained in the prediction of maximum discharge and inlet hydrograph, it was found that the Crank Nicolson method is more accurate than the mixing cell method.