مقایسه روش های بهینه سازی پارامترهای مدل SIMHYD برای شبیه سازی دبی روزانه جریان در حوزه آبریز کوزه تپراقی اردبیل

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 164

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_HYD-10-34_002

تاریخ نمایه سازی: 23 اردیبهشت 1402

چکیده مقاله:

داده های دبی روزانه جریان از پیش نیازهای مدیریت منابع آب هستند، اما امکان اندازه گیری آن در بسیاری از آبخیزهای بالادست وجود ندارد. بر این اساس، مدل سازی هیدرولوژیکی یکی از ابزارهای مهم در برآورد خصوصیات جریان در آبخیزهای بدون آمار است. تخمین پارامتر های ورودی مدل های هیدرولوژیکی در اغلب موارد نیازمند بهینه سازی است. هدف این پژوهش، ارزیابی روش های بهینه سازی و واسنجی خودکار مدل بارش-رواناب SIMHYD در حوزه آبخیز کوزه تپراقی با مساحت ۸۰۵ کیلومترمربع در استان اردبیل است. داده های دبی، بارش روزانه، تبخیر و تعرق به عنوان ورودی های مدل از سال ۲۰۰۲-۲۰۱۱ برای واسنجی و از سال ۲۰۰۹-۲۰۱۱ برای صحت سنجی در امر شبیه سازی استفاده شدند. روش های واسنجی شامل الگوریتم ژنتیک، تکامل رقابتی جامع، الگوی جستجو، الگوی جستجوی چند شروعه، نمونه گیری تصادفی یکنواخت، روزنبروک، بهینه سازی روزنبروک چند شروعه براساس معیارهای کارایی آماری ارزیابی شدند. نتایج نشان داد که تغییر الگوریتم های بهینه سازی در دقت واسنجی مدل تاثیر قابل توجهی دارد. به طوری که مقدار تابع نش-ساتکلیف برای الگوریتم های مورداستفاده به ترتیب ۴۲/۰، ۳۱/۰، ۵۵/۸-، ۳۸/۰، ۵۶/۰، ۲۳/۰، ۲۴/۰ به دست آمد. الگوریتم روزنبروک در مقایسه با سایر الگوریتم های مورد استفاده، از دقت بالایی در واسنجی مدل هیدرولوژیک SIMHYD برخوردار است.

کلیدواژه ها:

نویسندگان

زهرا شریفی

دانشجوی کارشناسی ارشد علوم و مهندسی آبخیزداری، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران

رئوف مصطفی زاده

دانشیار گروه منابع طبیعی، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی

اباذر اسمعلی

دانشگاه محقق اردبیلی

زینب حزباوی

استادیار گروه منابع طبیعی، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی

محمد گلشن

اداره منابع طبیعی

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 :
  • Aghabeigi, N., Esmali-Ouri, A., Mostafazadeh, R., Gholshan, M. (۲۰۲۰). The ...
  • Bergstra, J., & Bengio, Y. (۲۰۱۲). Random search for hyper-parameter ...
  • Bormann, B., Breuer, L., Giertz, S., Huisman, J.A., & Viney, ...
  • Dargaribi, F., Khorsandi Kohanstani, Z., Mozayyn, M., & Arman, N. ...
  • Esfandyari Darabad, F., Pourganji, Z., Mostafazadeh, R., & Aghaie, M. ...
  • Francis, H., Chiew, S., Zhang, H., and Potter, N. )۲۰۱۸(. ...
  • Golshan, M., Esmaili, A., & Asadi, H. (۲۰۱۶). Comparison of ...
  • Kheirfam, H., Mostafazadeh, R., Sadeghi, S.H.R. (۲۰۱۳). - Daily discharge ...
  • Mohammadivand, M., Araginezhad, Sh., Ebrahimi, K., & Modaresi, F. (۲۰۱۹). ...
  • Mostafazadeh, R., Asgari, E. (۲۰۲۱) Performance assessment of GR۴J rainfall-runoff ...
  • Piramun, N., Abdollahi, Kh, Mirabbasi Najafabadi, R., & Nekuyimehr, M. ...
  • Razagiyan, H., Shahedi, K., Mohseni, B. (۲۰۱۸). Evaluating the efficiency ...
  • Sorooshian, S., Duan, Q., & Gupta, H. V. (۱۹۹۳). Calibration ...
  • Sun, G., Wen, J., Yang, J., Hou, S., & Zhang, ...
  • Wang, G.Q., Zhang, J.Y., Pagano, T.C., Liu, Y.L., Liu, C.S., ...
  • Yu, B., & Zhu, Z. (۲۰۱۵). A comparative assessment of ...
  • Zabinsky, Z. B. (۲۰۰۹). Random Search Algorithms, Wiley Encyclopedia of ...
  • Zhang, Y., & Chiew, F. (۲۰۰۹). Relative merits of different ...
  • Zhang, H., Yang, Q., Shao, J., & Wang, G.) ۲۰۱۹(. ...
  • Zeiaei, K., esmali, A., Mostafazadeh, R., & Golshan, M. (۲۰۲۱). ...
  • نمایش کامل مراجع