عنوان

مقایسه مدل‌های مختلف فصلانه در پیش‌بینی فرآیندهای هیدرولوژیکی

‭۱۵۹۷۰پ‬

per

مقایسه مدل‌های مختلف فصلانه در پیش‌بینی فرآیندهای هیدرولوژیکی

/حسام نجفی

: مهندسی عمران

، ‮‭۱۳۹۵‬

چاپی - لوح فشرده

کارشناسی ارشد

مهندسی عمران- آب

‮‭۱۳۹۵/۰۶/۰۳‬

تبریز

با توجه به این‌که منابع آبی موجود و توانایی دسترسی به آنها روز به روز محدودتر می‌شود، اهمیت برنامه‌صریزی و مدیریت منابع آب بیش از پیش مشخص می گردد .مدل‌های هیدرولوژیکی از اهمیت ویژه‌صای در مدل‌سازی هیدرولوژیکی برخوردار هستند و نقش مهمی را درمدیریت منابع آب، کنترل سیلاب و پیش‌بینی دبی جریان در رودخانه‌صها ایفا می کنند .در سال‌صهای اخیر به علت خاصیت غیرخطی وابستگی به متغیرهای زمانی و مکانی و همچنین خاصیت استوکستیکی بالای فرآیندهای هیدرولوژیکی، مدل‌های متعددی برای مدل‌سازی این پدیده‌صها ارائه شده‌صاند .با وجود طیف گسترده‌صای از مدل‌های هیدرولوژیکی هنوز نمی‌صتوان مدل واحدی را برای انواع حوضه‌صصها که تحت هر شرایطی نسبت به دیگر مدل‌صها عملکرد بهتری داشته باشد، معرفی کرد .با توجه به این‌که سری‌صهای زمانی هیدرولوژیکی دارای سه جزء اصلی خودهمبستگی، فصلانه و تصادفی می‌صباشند و رفتار مدل‌صهایی که تاکنون ارائه شده‌صاند، نسبت به این اجزاء متفاوت بوده است، در این پایان‌نامه برای فرآیندهای بارش-رواناب حوضه‌ص‍‮‭Murrumbidgee‬ ص‍ استرالیا، رواناب-رسوب حوضه‌ص‍‮‭Rio‬ ص‍ ‮‭Grande‬ آمریکا و بارش-رواناب-سطح آب‌زیرزمینی حوضه‌صص‍ ‮‭Suuquehanna‬ آمریکا برای مقیاس‌صهای زمانی روزانه، ماهانه و سالانه با بهره‌صگیری از هشت مدل مختلف ‮‭ARIMA‬ ، ‮‭SARIMA‬ ، ‮‭ANN‬ ، ‮‭WANN‬ ، ‮‭ANFIS‬ ، ‮‭WANFIS‬ ، ‮‭HW‬و ‮‭WHW‬ مدل‌سازی صورت گرفته است .در مرحله بعد به کمک معیارهای ارزیابی، نتایج هر مدل مورد بحث قرار گرفته است و در انتها همه‌ص‍ مدل‌صها براساس معیارهای رایج نیکویی برازش با یکدیگر مقایسه شده‌صاند و عملکرد بهترین مدل‌های هر فرآیند از منظر پیش‌بینی نقاط حداکثر و پیش‌بینی کوتاه‌صمدت و بلندمدت بررسی شده‌ص‍ است .در این زمینه نتایج پژوهش‌صها بیانگر این است که بدلیل ذات سری‌صهای زمانی هیدرولوژیکی که ویژگی فصلانه چندصتناوبه و تک‌صتناوبه از مهم‌ترین اجزاء آن می‌صباشد، مدل‌های فصلانه نتایج مناسبی را شامل شده اند، بطوریکه بغیر از سری زمانی سطح-آب‌صزیرزمینی روزانه مورد مطالعه، که دارای ویژگی خودهمبستگی قوی می‌صباشد و استفاده از مدل‌صهای خطی خودهمبسته کفایت می‌صکند، در سایر موارد مدل‌ص‍ فصلانه چندتناوبه و غیرخطی‮‭WANN‬ ، شامل نتایج مناسبتری نسبت به سایر مدل‌صهای مورد مطالعه شده است و حتی در پیش‌صبینی رواناب ماهانه تا ‮‭۷۰‬ درصد نتایج را بهبود بخشیده است .

According to the water resources restrictions and the limited ability of access to it, the importance of planning and management of water resources is determined more than before. Hydrological models have special importance in hydrological modeling and play an important role in management of water resources, flood control and forecast the flow discharge in rivers. In recent years with respect to the non-linear properties, dependence of temporal and spatial variables and the stochastic nature of the hydrological processes, several models have been proposed to model these phenomena. However wide range of hydrological models can not introduced a single model for a variety of catchments to be better than the other models in all circumstances. Considering that the hydrological time series have three principle components: (1) autoregressive, (2) seasonality, (3) stochastic and the performance of the models is related to these components, in this research, hydrological processes such as rainfall-runoff of Murrumbidgee River Basin, runoff-sediment of Rio Grande basin, rainfall-runoff-groundwater level of Susquehanna basin, have modeled at the daily, monthly and annually scales, using eight models of ARIMA(Auto Regressive Integrated Moving Average), SARIMA(Seasonal ARIMA), ANN(Artificial Neural Network), WANN(Wavelet ANN), ANFIS(Adaptive Neural Fuzzy Inference System), WANFIS(Wavelet ANFIS), HW(Holt-Winters) and WHW(Wavelet Holt-Winters). In the next step, with the considering of evaluation criteria, the results of model are discussed and finally all the models are compared with each other based on goodness of fit and the best models of each process is investigated from the perspective of short and long term forecast and extreme points forecast. In this context, the researchs results show, due to the nature of hydrologic time series that single frequency and multi frequency seasonal property is one of the most important components, seasonal models have been included good results. So that aside from the studied daily groundwater level that has strong autoregressive property, which linear models is enough for that, in other cases, nonlinear and seasonal multi frequency WANN model have been included better results than the other studied models and even improve results up to 70 percent in forecasting the monthly runoff

نجفی، حسام

نورانی، وحید، استاد راهنما

شرقی، وحید، استاد مشاور

سیاه و سفید

نمایه‌سازی قبلی