عنوان

برآورد عدم قطعیت و تحلیل خطا در مدل سازی بارش-رواناب با استفاده از تلفی‍ـق داده ها و شناسایی سیستم

Number

‭۱۸۵۳۵پ‬

.Language of Text, Soundtrack etc

per

Title Proper

برآورد عدم قطعیت و تحلیل خطا در مدل سازی بارش-رواناب با استفاده از تلفی‍ـق داده ها و شناسایی سیستم

First Statement of Responsibility

/محمد مهدی معیری

Name of Publisher, Distributor, etc.

: کشاورزی

Date of Publication, Distribution, etc.

، ‮‭۱۳۹۶‬

Name of Manufacturer

، راشدی

Text of Note

چاپی

Dissertation or thesis details and type of degree

دکتری

Discipline of degree

مهندسی منابع آب

Date of degree

‮‭۱۳۹۶/۱۱/۱۶‬

Body granting the degree

تبریز

Text of Note

انجام تصمیم‌گیری‌ها در برنامه‌ریزی مدرن منابع آب، با درنظرگرفتن عدم قطعیت‌ها به نتایج واقع‌بینانه‌تری می‌انجامد و لذا برآورد عدم‌قطعیت مدل‌ها اهمیت می‌یابد .عدم‌قطعیت در پیش‌بینی حاصل از مدل‌های هیدرولوژیکی از بخش‌های مختلف آن از قبیل پارامترها، خروجی‌ها و ساختار مدل به وجود می‌آید .یکی از مهم‌ترین مشکلات مسائل بدطرح معکوس، در بیش‌برازش مدل با داده‌های مشاهداتی، در بهینه‌سازی پارامترها است که با این عمل، پارامترهایی که برازش کمتری با داده‌های مشاهداتی دارند و ممکن بود با داده‌های غیر از صحت‌سنجی، نتیجه‌ای حتی بهتر از جواب بهینه نشان می‌دادند، حذف می‌شوند .این پارامترها، نباید حذف شوند بلکه باید به نحوی در نظر گرفته شوند .در روش برآورد عدم‌قطعیت درست‌نمایی تعمیم‌یافته ‮‭(GLUE)‬ که در این تحقیق به‌کار رفت، این دیدگاه، درنظر گرفته شده است .در این روش با استفاده از یک تابع درست‌نمایی نامرسوم و فرض یک مقدار آستانه‌ای از آن، مجموعه‌ای از پارامترها برای تولید باندهای عدم‌قطعیت پیش‌بینی انتخاب می‌شوند .از طرفی، محاسبه صحیح تابع درست‌نمایی با درنظرگرفتن شرایط واقعی بسیار مشکل بوده و حجم محاسبات بالایی نیاز دارد .در این رساله از روش محاسبه تخمینی بیزی ‮‭(ABC)‬ جهت حل این مشکل استفاده شد که در آن، به‌جای محاسبه تابع درست‌نمایی از مفهوم تابع فاصله بهره گرفته شده و امکان می‌دهد تا با کاربرد آماره‌های مختلف داده‌ها علاوه بر کاهش حجم محاسبات، بستر مناسبی جهت ارزیابی مدل‌ها با شاخص‌های تخصصی هیدرولوژیکی فراهم نمود .همچنین جهت درنظرگرفتن عدم‌قطعیت در بخش‌های مختلف مدل، از فیلتر کالمن همادی ‮‭(ENKF)‬ استفاده شد .این روش، جهت برآورد حالت‌های مدل بکار می‌رود و به دلیل ساختار احتمالاتی آن، می‌توان از آن در برآورد عدم‌قطعیت بهره برد .در این رساله از دو الگوریتم مختلف این روش، فیلتر کالمن همادی توأم و دوگان فیلتر کالمن همادی جهت برآورد پارامترها و حالت‌های مدل بهره گرفته شد .دو حوضه آبریز بهشت‌آباد در استان چهارمحال و بختیاری و چهل‌چای جهت مطالعه موردی روش‌های به کار گرفته‌شده مورد بررسی قرار گرفت .مدل‌های بارش رواناب مفهومی و گرده‌ای ‮‭HyMod‬ ، ‮‭HBV‬و ساکرامنتو، مدل‌هایی بودند که مورداستفاده قرار گرفتند .نتایج بررسی روش ‮‭GLUE‬ نشان داد این روش، نسبت به تابع درست‌نمایی مورداستفاده، آستانه جداسازی پارامترهای قابل‌قبول و نوع مدل، حساس بود .همچنین عدم‌قطعیت پارامترها در این روش، به این دلیل که کل عدم‌قطعیت را در پارامترها خلاصه می‌کند، بالاست .از مزایای روش می‌توان به اجتناب نسبی آن از بیش‌برازش و سادگی آن اشاره کرد .نتایج کاربرد روش ‮‭ABC‬ نشان داد، با وجود ابعاد بالای مدل هیدرولوژیکی مورد استفاده ‮‭(۱۴‬ پارامتر یا بعد(، روش ‮‭ABC‬ کارایی بالایی در تشخیص پارامترهای مدل داشته و درنتیجه می‌تواند در مسائل کاربردی که معمولا ابعاد مسائل بالاست، مورد استفاده قرار گیرد .نتایج کاربرد عدم‌قطعیت‍ پیش‌بینی مدل روش فیلتر کالمن همادی توأم نشان داد، داده‌های مشاهداتی در شرایط عدم‌قطعیت ناشی از اجزای مختلف مدل شامل پارامترها، متغیرهای حالت و خروجی‌ها نسبت به شرایط عدم‌قطعیت ناشی از) فقط (پارامترها از پوشش بالاتری برخوردارند .نتایج کاربرد روش دوگان ‮‭ENKF‬ نشان داد در دوره واسنجی در منحنی فروکش جریان‌ها بهتر از دبی پایه و در دوره صحت سنجی دبی پایه بهتر از منحنی فروکش است اما در هردو دوره، نتایج بازوی بالارونده هیدروگراف نسبتا ضعیف‌تر بود .جهت شناسایی سیستم از رویکرد هیدرولوژیکی منعطف استفاده شد که حوضه‌ها از نظر توپوگرافی طبقه‌بندی شدند و برای هر طبقه ساختار جداگانه‌ای درنظر و اعمال شد که نتایج حاکی از عملکرد واقع‌بینانه‌تر آن نسبت به حالت عدم طبقه‌بندی داشت

Text of Note

Estimation of uncertainty is nowadays one important basis of decision-making in modern water resources management. The uncertainty in hydrological models rises from different sources such as parameters, model structure and measurement. In hydrology, the frequent ill-posed Inverse problems suffer from overfitting which leads to omitting the model parameters with less outputs fitness to observations. These parameters might have better fitting during other periods. They should not be rejected but should be considered in some way. Generalized Likelihood Uncertainty Estimation (GLUE) is one solution which is used in this research. In the method, an informal likelihood function with a subjective threshold is used for selecting a set of behavioral parameters and then predictive uncertainty bounds are estimated from these parameter outputs. On the other hand, an accurate application of likelihood functions needs to consider many aspects of the problem, such as autocorrelation, bias, Heteroscedasticity and so on in the errors between observed and modeled values. Usually, these considerations are ignored because of good fitting with current data. Approximate Bayesian Computation (ABC), which is used in this research, is a method which replaces a distance function with likelihoods and allows using many statistics which besides reducing the computational cost also allows using hydrologic signatures for model evaluation. Ensemble Kalman filter (ENKF) is used to consider different sources uncertainty in modeling. The method is usually used for state estimation which is one of the efficient data assimilation techniques that provide a probabilistic framework of assessing uncertainty in separate model elements. Two catchments are investigated in the application of the mentioned methods including Behesht Abad catchment in Chaharmahal Bakhtiari province and Chehelchai catchment in Golestan province, both located in Iran. HyMod, HBV and Sacramento lumped conceptual are the models that are used. Considering the results from GLUE application, it can be indicated that the method is sensitive to likelihood function, the partitioning threshold between behavioral and non-behavioral parameters and also the assessed model because by changing from case to case, different results could be achieved. Parameter uncertainty estimated by the GLUE method is high, because total uncertainty of different elements of model is projected to parameter uncertainty. Simplicity and relatively preventing from overfitting are some advantages of the method. From the application of the ABC method, it can be concluded that the method was effectively applied on a high dimension hydrologic model (14 parameters- dimensions) for identification of the parameters. Consequently, the ABC method can be used in operational applications which high dimension problems are frequent. The results from the application of joint ENKF, the predictive uncertainty considering different sources of uncertainty covered more observed data in comparison with the case of just considering parameter uncertainty. Finally, The Dual ENKF application showed that results in hydrograph recessions were better than base flows during calibration and base flows better than recessions during validation period. In both periods, rising limb of hydrograph had relatively worse results

معیری، محمدمهدی

قربانی، محمدعلی، استاد راهنما

دین پژوه، یعقوب، استاد راهنما

Public note

سیاه و سفید

نمایه‌سازی قبلی