| Authors | محسن پوررضابیلندی,فاطمه پورحق وردی,هادی معماریان خلیل آباد,سیدمحمد تاجبخش فخرآبادی,میثم مجیدی |
|---|---|
| Journal | پژوهشنامه مدیریت حوزه آبخیز |
| Page number | ۹۰-۱۱۰ |
| Serial number | ۱۰ |
| Volume number | ۴ |
| Paper Type | Full Paper |
| Published At | ۲۰۲۱ |
| Journal Grade | Scientific - research |
| Journal Type | Electronic |
| Journal Country | Iran, Islamic Republic Of |
| Journal Index | isc |
Abstract
شبیه‌سازی بارش ـ رواناب به‌منظور برنامهریزی و مدیریت منابع آب در حوضه‌های آبخیز صورت می‌گیرد که نیازمند استفاده از مدل‌های هیدرولوژیکی بهینه است. در این تحقیق از بسته‌ی بهینه‌سازی hydroPSO به‌منظور واسنجی و بهینه‌سازی پارامترهای مدل بارش ـ رواناب (۲K) ۲KINEROS در حوزه آبخیز بار نیشابور در استان خراسان رضوی استفاده شد. به‌همین منظور، پنج واقعه‌ی رگباری با هیدروگراف‌های متناظر انتخاب شد. براساس نتایج، این مدل کارآیی بهتری در شبیه‌سازی هیدرولوژیک حوضه بر اساس واقعه‌ی رگباری 11/01/71 نشان داد. در این شبیه‌سازی، ضریب تبیین (۲R) و نش (NSE) مدل در شبیه‌سازی دبی آب برابر با ۹۶/۰ و 96/0 بهدست آمد. مدل‌سازی براساس وقایع رگباری تاریخهای 16/12/69، 21/02/70، 26/12/70 و 13/09/73 به ترتیب با ضرایب NSE برابر با ۹۰/۰، 90/0، ۸۹/۰ و ۴۳/۰، توانست به نیکویی برازش عالی، عالی، عالی و خوب هیدروگراف شبیه‌سازی شده بر هیدروگراف مشاهداتی منجر شود. تحلیل حساسیت مدل نشان داد که پارامترهای هدایت هیدرولیکی اشباع ـ کانال (ks_c)، ضریب زبری مانینگ ـ کانال(n_c)، ضریب حجمی سنگ و سنگریزه (Rock)، میانگین نیروی کاپیلاری ـ دامنه (G_p)، هدایت هیدرولیکی اشباع ـ دامنه (ks_p) و تخلخل ـ دامنه (Por_p)، به ترتیب مهمترین و مؤثرترین پارامترها در فرآیند واسنجی مدل ۲K به شمار می‌رود. توزیع فراوانی برخی از پارامترها مانند n_c و Smax، دارای شکل زنگولهای با اوج تیزتر است که این خود فقدان قطعیت کمتر تحمیل شده از جانب این پارامترها را بر مدل نشان می‌دهند؛ اما برخی از پارامترها مانند Por_c و Dist_، توزیع فراوانی یکنواختی را نشان می‌دهند. تفسیر بصری نمودارهای جعبه‌ای نشان می‌دهد که در پارامترهایی مثل Ks_p، n_c، G_p، In، Rock، Por_p، Por_c وSat ، ارزش بهینه‌ی پارامتر بهدست آمده در فرایند واسنجی تقریباً منطبق بر میانه ارزشهای نمونه‌برداری شده‌است و بیشتر ذرات به سمت یک منطقه‌ی کوچک از فضای پاسخ هدایت شده‌اند. نمودار نقطه‌ای نشان می‌دهد که کارآیی مدل بیشتر تحت‌تأثیر اندرکنش پارامترهای Ks وn است. بر اساس تحلیل همبستگی نیز بالاترین ضریب همبستگی NSE با پارامترهای Ks_p، Ks_c، n_p، CV_p، G_c، In، cov،Por_p ،Dist_p ، Dist_c، Smax و Sat بهدست آمد. مقایسه‌ی نتایج این تحقیق با یافته‌های حاصل از واسنجی دستی نشان داد که بسته‌ی بهینه‌سازی hydroPSO می‌تواند با موفقیت با مدل ۲K تلفیق شود و با سرعت و کارآیی بالایی پارامترهای مدل را واسنجی و بهینه‌سازی کند.
tags: hydroPSO، ۲KINEROS، بارش ـ رواناب، بهینه‌سازی انبوه ذرات، دبی آب، شبیه‌سازی.