ارزیابی عدم قطعیت ناشی از پیچیدگی مدل در مدل سازی آب زیرزمینی

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 144

فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_HYDTR-6-2_011

تاریخ نمایه سازی: 13 اسفند 1401

چکیده مقاله:

از جمله عواملی که منجر به ایجاد عدم قطعیت در مدل ریاضی جریان آب زیرزمینی  می شود، عدم قطعیت ناشی از پیچیدگی مدل مفهومی است که از افزایش پارامترهای مدل ناشی می شود.در نظر گرفتن پیچیدگی در مدل­سازی آب های زیرزمینی می تواند به انتخاب یک مدل بهینه کمک کرده و از ایجاد این نوع عدم قطعیت  و نتیجه گیری های گمراه کننده جلوگیری کند. هدف این پژوهش، بررسی عدم­قطعیت پیچیدگی مدل ریاضی آبخوان نجف آباد است . در این راستا شش مدل مفهومی با پنج درجه متفاوت از پیچیدگی با تعداد پارامترهای مدل واسنجی­شده (۴­، ۱۶­، ۲۰­، ۲۲­، ۲۶ و ۲۶ پارامتر) با داده های مشاهداتی یکسان در آبخوان نجف­آباد واقع در استان اصفهان در حالت پایدار و برای سال ۹۸-۹۷ توسعه یافتند و برای ارزیابی احتمال مدل­ها از روش معیارهای انتخاب مدل (AIC ،­AICC­، BIC و KIC) استفاده شد. نتایج نشان داد که مدل شماره یک با چهار پارامتر که ساده­ترین مدل است به عنوان بهترین مدل انتخاب شد و کمترین عدم­قطعیت را دارد. اما مدل­های ۵ و ۶ که پیچیده­ترین مدل­ها هستند، بیشترین عدم­قطعیت و کمترین میزان اعتماد را دارند. بنابراین می توان بیان نمود که در تعریف مدل مفهومی یک آبخوان، تعیین تعداد بهینه پارامتر منجر به کاهش عدم قطعیت مدل ریاضی خواهد شد.

نویسندگان

مهسا جباری ملایری

دانشجوی دکتری تخصصی، گروه مهندسی آب، پردیس ابوریحان، دانشگاه تهران، پاکدشت، ایران

سامان جوادی

دانشیار، گروه مهندسی آب، پردیس ابوریحان، دانشگاه تهران، پاکدشت، ایران

سعیده سامانی

استادیار، پژوهشکده مطالعات و تحقیقات منابع آب، موسسه تحقیقات آب، تهران، ایران

عباس روزبهانی

دانشیار، گروه مهندسی آب، پردیس ابوریحان، دانشگاه تهران، پاکدشت، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • حیدری، ج.، چیت سازان، م.، میرزایی، س.ی.، ۱۳۹۸. مدل سازی ...
  • عرب عامری، ع.، شیرانی، ک.، رضایی، خ.، ۱۳۹۷. ارزیابی آسیب ...
  • کرد، م.، اصغری مقدم، ا.، نخعی، م.، ۱۳۹۸. مدل­سازی عددی ...
  • گلابی، م.ر.، زینعلی، م.، نیک­سخن، م. ح.، آذری، آ.، ۱۳۹۷. ...
  • Akaike, H., ۱۹۷۴. A new look at the statistical model ...
  • Arkesteijn, L., Pande, S., ۲۰۱۳. On hydrological model complexity, its ...
  • Asl-Rousta, B., Mousavi, S.J., Ehtiat, M., Ahmadi, M., ۲۰۱۸. SWAT-Based ...
  • Brooks, R. J., Tobias, A.M.,­ ۱۹۹۶. Choosing the best model: ...
  • Carrera, J., Neuman, S.P., ۱۹۸۶. Estimation of aquifer parameters under ...
  • Clement, T.P., ۲۰۱۱. Complexities in hindcasting models-when should we say ...
  • Collyer, C.E., ۱۹۸۵. Comparing strong and weak models by fitting ...
  • Gómez-Hernández, J., ۲۰۰۶. Complexity. Groundwater, ۴۴(۶): ۷۸۲-۷۸۵ ...
  • Helton, J.C., Oberkampf, W.L., ۲۰۰۴. Alternative representations of epistemic uncertainty. ...
  • Hill, C.M., Tiedeman, C.R., ۲۰۰۷. Effective Groundwater Model Calibration: With ...
  • Hill, M. C., ۲۰۰۶. The practical use of simplicity in ...
  • Hill, M.C., ۱۹۹۸. Methods and guidelines for effective model calibration: ...
  • Holder, J., Olsen­, J.E., Philip, Z., ۲۰۰۱. Experimental determination of ...
  • Hunt, R.J., C. Zheng., ۱۹۹۹. Debating complexity in modeling. Eos, ...
  • Hunt, R.J., Doherty, J., Tonkin, M.J., ۲۰۰۷. Are models too ...
  • Hurvich, C.M., Tsai, C.L., ۱۹۸۹. Regression and time series model ...
  • Jakeman, A. J., Hornberger, G.M., ۱۹۹۳. How much complexity is ...
  • Kashyap, R.L., ۱۹۸۲. Optimal choice of AR and MA parts ...
  • Kass, R.E., Raftery, A.E., ۱۹۹۵. Bayes factors. Journal of the ...
  • Kumar, P. ۲۰۱۱. Typology of hydrologic predictability. Water Resour. Res, ...
  • Li, X., Tsai, F.-C., ۲۰۰۹. Bayesian model averaging for groundwater ...
  • Liu, P., Elshall, A.S., Ye, M., Beerli, P., Zeng, X., ...
  • Lukjan, A., Swasdi, S., Chalermyanont, T., ۲۰۱۶. Importance of Alternative ...
  • Malmir, M, Javadi, S, Moridi, A, Neshat, A, Razdar, B. ...
  • McDonald, M.G., Harbaugh, A.W., ۱۹۸۸. A modular three-dimensional finite-difference ground-water ...
  • Meyer, P., Ye, M., Neuman, S., Rockhold, M., Cantrell, K., ...
  • Nettasana, T., ۲۰۱۲. Conceptual Model Uncertainty in the Management of ...
  • Popper, K. R., ۱۹۸۲. The Open Universe: An Argument for ...
  • Refsgaard, J.C., Sluijs, J.P., Brown, J., Keur , P., ۲۰۰۶. ...
  • Rissanen, J., ۱۹۷۸. Modeling by shortest data description, ۱۴: ۴۶۵-۴۷۱ ...
  • Rojas, R., Feyen, L., Dassargues, A., ۲۰۰۸. Conceptual model uncertainty ...
  • Schoups, G., van de Giesen, N. C., Savenije, H.G., ۲۰۰۸. ...
  • Schwartz, F.W., Liu, G., Aggarwal, P., Schwartz, C.M., ۲۰۱۷. Naïve ...
  • Schwarz, G., ۱۹۷۸. Estimating the dimension of a model. Ann ...
  • Simmons, C.T., Hunt, R.J., ۲۰۱۲. Updating the debate on model ...
  • Singhal, B.B.S., Gupta R.P., ۲۰۱۰. Applied Hydrogeology of Fractured Rocks. ...
  • Todd, D.K., Mays, L.W., ۲۰۰۵. Groundwater Hydrology. Third Ed., John ...
  • Viaroli, S., Lotti, F, Mastrorillo., L, Paolucci., V, Mazza., R., ...
  • Ye, M., Neuman, S.P., Meyer, P.D., ۲۰۰۴. Maximum likelihood Bayesian ...
  • Ye, M., Meyer, P., Neuman, S., ۲۰۰۸. On model selection ...
  • Ye, M., Neuman, S.P., Meyer, P.D., ۲۰۰۴. Maximum likelihood Bayesian ...
  • Ye M, Pohlmann KF, Chapman JB, Pohll GM, Reeves DM. ...
  • Yeh, W.W.G., Yoon, Y.S., ۱۹۸۱. Aquifer parameter identification with optimum ...
  • Yin, J., Tsai, F., Kao, Shih-Chieh. ۲۰۲۱. Accounting for uncertainty ...
  • Young, P., Parkinson, S., Lees, M., ۱۹۹۶. Simplicity out of ...
  • نمایش کامل مراجع