تحلیل عدم‌قطعیت پارامترها در برآورد حداکثر سیلاب محتمل در حوضه سد بختیاری با روش مونت کارلو

اطمینان و اعتبار سیل‌های حدی مخصوصا حداکثر سیلاب محتمل (pmf)، مستلزم در ‌نظرگرفتن منابع عدم‌قطعیت در برآورد سیل است. عدم‌قطعیت پارامترهای مدل های بارشرواناب، از جمله منابع اصلی عدم‌قطعیت در برآورد سیل می‌باشند. در این پژوهش از روش مونت کارلو برای برآورد عدم‌قطعیت هیدروگراف pmf به علت عدم‌قطعیت در پارامترهای واسنجی مدل بارشرواناب در حوضه بختیاری در جنوب غربی ایران استفاده شده است. برای برآورد هیدروگراف pmf ناشی از حداکثر بارش محتمل (pmp)، از مدل هیدرولوژیکی hechms استفاده شد. برای مدل سازی تلفات، تبدیل بارش به رواناب و روندیابی جریان در آبراهه‌ها به ترتیب از روش های شماره منحنی scs، هیدروگراف واحد کلارک و ماسکینگام استفاده شد. نتایج نشان داد که عدم‌قطعیت در دبی اوج و حجم هیدروگراف pmf به علت عدم‌قطعیت تمام پارامترها به ترتیب برابر با 17.13 و 6.79 درصد است. عدم‌قطعیت در دبی اوج هیدروگراف pmfبه علت عدم‌قطعیت پارامترهای شماره منحنی، تلفات اولیه، زمان تمرکز، ضریب ذخیره کلارک، k ماسکینگام و x ماسکینگام به ترتیب برابر با 5.05، 0.4، 3.78، 3.85 ، 4.05 و 0.01 درصد است. همچنین عدم‌قطعیت در حجم هیدروگراف pmfبه علت عدم‌قطعیت پارامترهای شماره منحنی، تلفات اولیه، زمان تمرکز، ضریب ذخیره کلارک، k ماسکینگام و x ماسکینگام به ترتیب برابر با 4.46، 0.332، 0.328، 1.6، 0.08 و 0.0002 درصد است. بنابراین برای کاهش عدم‌قطعیت در برآورد هیدروگراف pmfباید به ترتیب در برآورد پارامترهای شماره منحنی، k ماسکینگام، ضریب ذخیره کلارک و زمان تمرکز دقت بیشتری کرد.

Parameters Uncertainty Analysis in Estimating Probable Maximum Flood in Bakhtiary Dam Basin by Monte Carlo Method

The reliability and validity of extreme floods, especially the probable maximum flood (PMF), requires to consider uncertainty sources in flood estimation. Parameters uncertainty of rainfallrunoff models are the main sources of uncertainty in flood estimation. In this paper, the Monte Carlo method has been used to estimate the PMF hydrograph uncertainty due to uncertainty in the calibration parameters of the rainfallrunoff model in Bakhtiary Basin in southwestern of Iran. The HECHMS hydrologic model was used to estimate the PMF hydrograph resulted by the probable maximum precipitation (PMP). The SCS curve number, Clark’s unit hydrograph and Muskingum methods were used to model losses, rainfallrunoff transform and river flood routing, respectively. The results show that the uncertainty in peak discharge and volume of PMF hydrograph due to the uncertainty of all parameters are 17.13 and 6.79%, respectively. The results showed that the uncertainty in peak discharge and PMF hydrograph volume due to uncertainty of all parameters are 17.13 and 6.79 percent respectively. The uncertainty in peak discharge of PMF hydrograph due to curve number, initial losses, concentration time, Clark’s storage coefficient, Muskingum K and Muskingum X parameters are 5.05, 0.4, 3.78, 3.85, 4.05 and 0.01 percent respectively. Also, the uncertainty in the PMF hydrograph volume due to the uncertainty of the curve number, initial losses, concentration time, Clark’s storage coefficient, Muskingum K and Muskingum X parameters were 4.46, 0.332, 0.328, 1.6, 0.08 and 0.0002 percent respectively. Therefore, in order to reduce the uncertainty in estimating PMF hydrograph, it is necessary to be more precise in estimating the parameters of curve number, Muskingum K, Clark’s storage coefficient and concentration time, respectively.