این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات منابع آب ایران، جلد ۱، شماره ۳، صفحات ۲۹-۴۰
عنوان فارسی تلفیق تئوری بیز با روش مونت کارلو جهت ارتقاء نتایج واسنجی مدل‌های هیدرولوژیکی
چکیده فارسی مقاله در این مقاله عدم قطعیت پارامترهای یک مدل بارش –رواناب با استفاده از تلفیق روش مونت کارلو و تئوری بیز تحت عنوان GLUE1 مورد ارزیابی قرار می گیرد. برای شبیه‌سازی تبدیل بارش به رواناب از روش توزیعی – مفهومی مادکلارک استفاده گردید که در آن آبنمود رواناب حوزه از ترکیب رواناب سلول‌ها در یک شبکه مربعی بر مبنای روش زمان – مساحت شکل می‌گیرد. بکارگیری روش مونت کارلو برای تحلیل عدم قطعیت پارامترها، منجر به تعیین محدوده مناسب تغییرات پارامترها می‌گردد که این محدوده قابل اصلاح با اطلاعات جدید نیست. ولی در روش GLUE با تلفیق تئوری بیز، بهنگام سازی برای اصلاح عدم قطعیت پارامترها و همچنین محدوده پیش‌بینی‌ها و توزیع آنها با استفاده از اطلاعات جدید قابل انجام است. معیارهای نیکویی برازش برای تعیین عدم قطعیت پارامترها بنحوی انتخاب شد که وزن بیـشتری به دبی‌های حداکثر در آبنمود نسبت به سایر بخش‌های آبنمود داده شود. در این مقاله شبیه سازی بارش – رواناب به همراه تحلیل عدم قطعیت پارامترها در حوزه قره سو واقع در حوزه کرخه مورد آزمون قرار گرفت. نتایج حاکی از برتری روش GLUE در تعیین محدوده بهینه پارامترهای مدل بارش – رواناب نسبت به روش مونت کارلو بود.
کلیدواژه‌های فارسی مقاله مدل بارش- رواناب، روش مونت کارلو، تئوری بیز، عدم قطعیت،
عنوان انگلیسی Improved Hydrologic Model Calibration based on Coupled Monte Calro and Bayesian Methods
چکیده انگلیسی مقاله In this paper, uncertainty of a rainfall – runoff (RR) model is analyzed based on combination of Monte Carlo (MC) procedure and Bayesian theory, which is known as GLUE framework. The rainfall–runoff transformation was performed by ModClark distributed – conceptual model. In this model, the basin’s hydrograph is determined by the superposition of runoff generated by individual cells in a raster – based discretization. Application of MC in uncertainty analysis introduces convenient parameter variation range, which is not adjustable based on new data. In GLUE method, however, Bayesian theory is applied to update prediction limits and distribution of parameter as new data becomes available. Goodness of fit criteria is selected such that higher discharges of hydrograph are given larger weights compared to other parts of the hydrograph. Uncertainty of RR model parameters was assessed in Gharasoo basin, a subbasin of the great Karkheh river basin. The results show that GLUE has a good performance in updating model parameters in comparison with MC method alone.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله علی حیدری |
دکتری عمران شرکت توسعه منابع آب و نیروی ایران

بهرام ثقفیان |
دانشیار پژوهشکده حفاظت خاک و آبخیزداری
سازمان اصلی تایید شده: پژوهشکده حفاظت خاک و آبخیزداری

رضا مکنون |
استادیار دانشکده مهندسی عمران و محیط زیست دانشگاه امیرکبیر
سازمان اصلی تایید شده: دانشگاه صنعتی امیرکبیر (Amirkabir university of technology)

نشانی اینترنتی http://www.iwrr.ir/article_15166_9205ece3777e25a7e4dbf503f1663753.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات