پیش بینی زمان واقعی جریان‌ ورودی روزانه به مخزن سد کارون 3 با تلفیق روش اتورگــرسیو و پیش‌بینی‌های بارندگی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار /دانشگاه شهرکرد و رئیس مرکز تحقیقات منابع آب

2 کارشناس ارشد /منابع آب ، شرکت مهندسین مشاور پورآب

چکیده

پیش‌بینی در زمان واقعی جریان رودخانه‌ها در بهره‌برداری بهینه از سیستم‌های منابع آب و به ویژه سدهای مخزنی به عنوان پیش‌نیازهای اصلی و اساسی مطرح هستند ولی به دلیل پیچیدگی بالای وقایع هیدروکلیماتولوژی، انجام پیش بینی در زمان واقعی بسیار دشوار و غالبأ توأم با خطا می‌باشد. این امر باعث شده کارهای زیادی برای دست یافتن به مدل‌های پیش‌بینی کوتاه‌مدت جریان رودخانه‌ها و به ویژه جریان ورودی مخازن سدها انجام گیرد و به تبع آن مدل‌های متنوعی تهیه و ارائه شده است. در حوضه کارون به دلیل تعدد سدهای بزرگ ساخته شده یا در دست ساخت و اهمیت بالای تولید بهینه برق آبی در این حوضه، انجام پیش‌بینی جریان ورودی به مخازن در زمان واقعی اهمیت ویژه‌ای داشته لذا در این تحقیق رودخانه کارون به عنوان نمونه موردی انتخاب شده و پیش بینی در زمان واقعی جریان ورودی به مخزن کارون 3 در دوره زمانی ابتدای آذر تا پایان اسفند‌ماه 1383 که مصادف با آبگیری مخزن سد کارون3 بود، با روش تلفیقی تکنیک اتورگرسیو و پیش‌بینی‌های بارندگی انجام گرفت. در این روش که براساس روند تغییرات دبی روزانه ورودی به مخزن سد کارون3 در یک دوره پنج روزه قبلی، دبی روزهای بعدی پیش‌بینی می‌گردد، جهت ایجاد یک ارتباط منطقی با شرایط دوره آتی مورد نظر، چندین سری اعداد تصادفی تولید شده و یکی از این سری اعداد تصادفی که بیشترین تطابق را با روند بارندگی‌های روزهای آتی دارد انتخاب گردید. همچنین به منظور مقایسه نتایج، پیش‌بینی جریان با روش اتورگرسیو ساده نیز انجام گرفت. نتایج حاکی از آنست که خطای روش پیشنهادی برای روزهای غیربارانی 7/12 درصد و در روزهای بارانی 8/31 درصد بوده است و بطور میانگین خطای این روش در 109 روز پیش‌بینی انجام گرفته برابر 21 درصد بدست آمد که در مقایسه با روش  اتورگرسیو ساده که دارای خطای متوسط 30 درصد بود، دارای دقت بیشتری می‌باشد. 

کلیدواژه‌ها


عنوان مقاله [English]

Real Time Forecasting of Daily Inflow to Karun-III Reservoir using Combination of Auto-Regressive Technique and Precipitation Forecasts

نویسندگان [English]

  • H Samadi-Boroujeni 1
  • M OstadAli-Askari 2
1 Assistant Professor, Shahrekord University and Chairman of Water Resources Research Center
2 Senior Engineer, PurAb Consultant Company.
چکیده [English]

Real time forecasting of river flow is an essential tool in optimum operation of water recourses systems espacially storage dams. Because of high complexity of hydro climatology events, real time inflow forecasting is a difficult task. Many researches have accordingly been carried out and various models have been developed for inflow real time forecasting.
Many storage dams, mainly hydropower dams, were constructed or are under construction in the Great Karun basin in south western Iran. The optimization of hydropower generation in this system is therefore of great importance. In this regard the inflow real time forecasting would also be an important item. In this study the Karun-III reservoir inflow real time forecasting was conducted using combination of autoregressive technique and the precipitation forecasts information available for a period of 22, November, 2004 to 20, March, 2005. In this research, various stochastic series data are generated based on the 5-day observed discharges. A series with the most agreement with the daily precipitation forecasts in the following days, is then selected to forecast the daily inflow in the next 5 days. Results showed that relative errors of the proposed method for rainy and non-rainy days was about %31.8 and %12.7, respectively. The average error for all the 109 days forecasted data was also reported as %21 which is quite below the average relative errors obtained in simple autoregressive technique which was about %30.

کلیدواژه‌ها [English]

  • Forecasting
  • Real time
  • Karun-III dam
  • Daily discharges
USCE (US Army corps of Engineers), (1971), "HEC-4 Monthly stream flow simulation", the Hydrologic Engineering Center CPD-4, 85p.

Kisi, O., (2005), "DailyRiver Flow Forecasting Using Artificial Neural Networks and Auto-Regressive Models", Turkish J. Eng. Env. Sci., 29, pp.9-20.

Kitanidis, P.K. and Bras, R.L., (1980), "Real-Time Forecasting With a Conceptual Hydrological Model", Water Resour. Res., 16., pp.740-748.

Hsu, K., Gupta, H.V. and Sorooshian,S., (1995), "Artifcial Neural Network Modeling of the Rainfall-Runoff Process", Water. Resour. Res. J., 31., pp.2517-2530.

Yapo, P., Gupta, V.K. and Sorooshian, S., (1996), "Calibration of Conceptual Rainfall-Runoff Models: Sensitivity to Calibration Data", J.Hydrol.,181., pp.23-48.

Ochoa-Rivera, J.C., R. García-Bartual and J. Andreu, (2002), Multivariate synthetic stream flow generation using a hybrid model based on artificial neural networks, J. Hydrology and Earth System Sciences , 6(4), pp. 641–654 

YU, P.Sh. and  Yih Tseng, T., (1996), A model to forecast flow with uncertainty analysis, Hydrological Sciences -Journal, 4l(i), pp.327-344.

http://weather.yahoo.com/regional/IRXX.htm