پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,476 |
| تعداد مقالات | 70,001 |
| تعداد مشاهده مقاله | 122,879,448 |
| تعداد دریافت فایل اصل مقاله | 96,071,398 |
تحلیل حساسیت مدل احتساب‌کنندۀ رطوبت خاک برای شبیه سازی پیوسته در حوضۀ بهشت آباد | ||
| اکوهیدرولوژی | ||
| مقاله 15، دوره 4، شماره 4، دی 1396، صفحه 1117-1127 اصل مقاله (853.77 K) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ije.2017.63241 | ||
| نویسندگان | ||
| الهام کیانی سلمی1؛ افشین هنربخش* 2؛ خدایار عبدالهی3 | ||
| 1دانشجوی کارشناسی ارشد آبخیزداری، دانشکدۀ منابع طبیعی و علوم زمین، دانشگاه شهرکرد | ||
| 2دانشیار گروه آبخیزداری، دانشکدۀ منابع طبیعی و علوم زمین، دانشگاه شهرکرد | ||
| 3استادیار گروه آبخیزداری، دانشکدۀ منابع طبیعی و علوم زمین، دانشگاه شهرکرد | ||
| چکیده | ||
| آنالیز حساسیت ابزار مناسبی برای نمایش اختلاف خروجیها درنتیجۀ تغییر در پارامترهای مدل است. از کاربردهای این نوع تحلیل یافتن پارامترهای حساس برای کالیبره‌کردن و شناسایی ورودیهای مهم در سیستم است. هدف از این پژوهش، تحلیل حساسیت پارامترهای مدل هیدرولوژیکی HEC-HMS(SMA)4.2 و بررسی واسنجی پارامترهای مدل SMA (احتساب‌کنندۀ رطوبت خاک) بهعنوان بخشی از مدل HEC-HMS است. در تحقیق حاضر ضمن واسنجی و اعتبارسنجی مدل HEC-HMS(SMA) حساسیت دستی و خودکار پارامترهای مدل در حوضۀ آبخیز بهشتآباد تحلیل شده است. برای شبیهسازی از آمار دبی، بارش، دما و تبخیر و تعرق ایستگاه بهشتآباد طی دورۀ آماری 1998 تا 2015 بهصورت آمار روزانه استفاده شد، از دادههای 13 سال این بازۀ زمانی برای واسنجی و از چهار سال آخر برای اعتبارسنجی استفاده شد. نتایج واسنجی و اعتبارسنجی دادهها به‌ترتیب مقدار ضریب راندمان و ریشۀ میانگین مربعات خطا 696/0، (m3/s) 2/13 برای واسنجی و مقدار ضریب راندمان و ریشۀ میانگین مربعات خطا 63/0، (m3/s)7 برای اعتبارسنجی بهدست آمده، تحلیل حساسیت خودکار با نرمافزار HEC-HMS4.2 صورت گرفت. طبق نتایج پارامترهای ذخیرۀ خاک، ذخیرۀ کششی و ثابت افت بیشترین حساسیت را در واسنجی مدل داشتند که اهمیت این عوامل را در فرایند مدلسازی پیوسته در حوضۀ مد نظر نشان میدهد. | ||
| کلیدواژه‌ها | ||
| اعتبارسنجی؛ ثابت افت؛ ضریب راندمان؛ مدل هیدرولوژیکی | ||
| عنوان مقاله [English] | ||
| Sensitivity of the SMA HEC-HMS Model for Continuous Hydrological Modeling in Beheshtabad Basin | ||
| نویسندگان [English] | ||
| Elham Kianisalmi1؛ Afshin Honarbakhsh2؛ Khodayar Abdollahi3 | ||
| 1M.Sc Student in Watershed Management, Sharekord University, Shahrkord, Iran | ||
| 2Associate professor, Department of Watershed Management, Faculty of Natural Resources and Geosciences, Shahrekord University, Iran | ||
| 3Assitant professor, Department of Watershed Management, Faculty of Natural Resources and Geosciences, Shahrekord University, Iran | ||
| چکیده [English] | ||
| Sensitivity analysis is a common tool to study how changes due to uncertainty in the inputs or parameters affect on the output of the simulating model. The aim of this study is to perform sensitivity analysis and model calibration for the HEC-HMS model with soil moisture accounting (SMA) algorithm. In this research manual and automatic parameter sensitivity analysis was used to calibrate and validate the model in the Beheshtabad Basin. The data (1998 to 2015) was separated into 2 parts, the first 13 years daily data set including discharge, rainfall, temperature and evapotranspiration were used for calibration. While, the second period of 2012 to 2015 was used to test the model validation. The evaluation was based on model efficiency coefficient and root mean square error indexes. The model efficiency coefficient values 0.696 and 0.63 were resulted for both calibration and validation respectively.The root mean square error were found to be 13.2 m3/s and 7 m3/s for corresponding stages.The results of performed sensitivity analysis in both form of automatic and manual have showed the parameters soil storage, tension storage and recession constant have highest sensitivity. This is an indicator for the importance of these factors in continuous modeling in specified catchment. | ||
| کلیدواژه‌ها [English] | ||
| Sensitivity analysis, Soil Moisture Accounting, model efficiency coefficient, recession constant | ||
| مراجع | ||
|
1. Bennett T. Development and application of a continuous soil moisture accounting algorithm for the Hydrologic Engineering Center-Hydrologic Modeling System, HEC-HMS: MSc Thesis Dept. of Civil and Environmental Engineering, Univ of California, Davis, Calif.1998.
2. Silva D, Weerakoon. Srikantha Hearth. Modeling of Event and Continuous Flow Hydrographs with HEC–HMS: Case Study in the Kelani River Basin, Sri Lanka. Journal of Hydrology.2014:19:800-806.
3. Munyaneza O, Mukubwa A, Maskey S, Wenninger J, Uhlenbrook S. Assessment of surface water resources availability using catchment modeling and the results of tracer studies in the meso-scale Migina Catchment, Rwanda. Hydrology and Earth System Sciences. 2013:10:15375–15408.
4. Enroe E.M. Guidelines for continuous simulation of streamflow in Johnson County, Kansas, with HEC-HMS. Ph.D. Department of Civil, Environmental and Architectural Engineering, University of Kansas.2010.
5. Garcia A, Sainz A, Revillaa JA, Álvareza C, Juanesa J. A, Puentea A. Surface water resources assessment in scarcely gauged basins in the north of Spain. Journal of Hydrology.2008:356: 312-326.
6. Dawdy D R, O’Donnell T. Mathematical model of catchment behavior. ASCE Hydraulic Div.1965: 91: 123-137.
7. JamesL D, Burges S. J. Selection, calibration, and testing of hydrologic models, in Hydrologic Modeling of Small Watersheds. Edited by C.T. Haan, H.P. Johnson, D.L. Brakensiek, and American Society of Agricultural Engineers. Monograph.1982: 5:437-472.
8. Fleming M, Neary V. Continuous hydrologic modeling study with the hydrologic modeling system. J.Hydrol. Eng. 2004:9(3):175-183.
9. United States Department of Agriculture (USDA).Urban Hydrology for Small Watersheds.1986:55.
10. US Army Corps of Engineers Institute for Water Resources (USACE).HEC-HMS Technical Reference Manual, Davis, C.A.2000.
11. Haan C.T. Statistical methods in hydrology. Second Edition, Iowa State Press, 2002:496.
12. Rezaeian Zadeh M, Abghari H, Singh V, Jamshidi H, Moradzadeh A. Improvement of Continuous Hydrologic Models and HMS SMA Parameters Reduction.2010.
13. McCuen RH, Modeling hydrologic change. Statistical methods. Lewis Publishers.2003:433.
14. Clark C O, Storage and the unit hydrograph: Transactions: American Society of Civil Engineers, 1945:1419-1488.
15. Saghafian B, Tajrishi M, Taheri Shahraini H, Jalali M. Modeling spatial variability of daily rainfall in southwest of Iran. Scientia Iranica. 2003:10: 164-174.
16. Rostamian R, Jalali A, Afyuni M, Mousavi SF, Heidarpour M, Jalalian A and Abbaspour KC. Application of a SWAT model for estimating runoff and sediment in two mountainous basins in central Iran. Hydrological Sciences–Journal–des Sciences Hydrologiques. 2008:53(5): 977-988,
18. Kamali B, MousaviS J, & Abbaspour K C. Automatic calibration of HEC-HMS using single-objective and multi-objective PSO algorithms. Hydrological processes.2012.
19. RezaeianZadeh, M. Hydrologic Simulation of Khosrow Shirin Watershed One of Mollasadra Dam Sub basins Using Stanford Watershed Model- IV (SWM-IV). MSc thesis, Dept. of Water Structures Engineering, University of Shiraz.2009.
20. Waikhom RS, Manoj K, Jain. Continuous Hydrological Modeling using Soil Moisture Accounting Algorithm in Vamsadhara River Basin, India. Journal of Water Resource and Hydraulic Engineering. 2015: 4: 398-408
21. Nash and Sutcliffe. River flow forecasting through conceptual models, Part I: A discussion of principles”. J. Hydrology, 1970:10(3):282-290.
22. Bhuiyan H, McNairn H, Powers J, Merzouki A. Application of HEC-HMS in a Cold Region Watershed and Use of RADARSAT-2 Soil Moisture in Initializing the Model. j. Hydrology, 2017. | ||
|
آمار تعداد مشاهده مقاله: 1,352 تعداد دریافت فایل اصل مقاله: 838 |
||