پردازش غیر خطی سیگنال‌های فرآیند پویای بارش ـ رواناب به روش اطلاعات محور سببی (مطالعه موردی حوضه خرسان)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار /گروه مهندسی آب، دانشگاه آزاد اسلامی، واحد کرمان.

2 استاد/ هیدرولوژی، دانشگاه آزاد اسلامی ، واحد علوم و تحقیقات، تهران

چکیده

بخش عمده‌ای از تحقیقات هیدرولوژی بر مدل‌سازی فرایند پویاوغیرخطی بارش ـ رواناب متمرکزاست. تبدیل بارش به رواناب در عرصه حوضه به طور قطع شامل روابط غیر خطی پیچیده‌ای است که حاصل تعامل مجموعه‌ای از فرآیندهای هیدرولوژیکی مختلف می‌باشند. به این لحاظ به نظر می‌رسد که مدل‌سازی استوکاستیک فرایند نسبت به مدل‌سازی قطعی آن منطقی‌تر است. در این تحقیق جهت اجتناب از به کارگیری فرضیات اثبات نشده و بعضا گمراه‌کننده در جداسازی سری‌های زمانی بارش و رواناب به مؤلفه‌های مجزای بارش مازاد و رواناب مستقیم، بارش کل در مقابل رواناب کل مدل گردید.

استفاده از مدل تابع انتقال  با یک متغیر ورودی (بارش) و یک متغیر خروجی (رواناب) ، انتقال آن به سیستم معادلات فضای حالت و نهایتا بهره‌گیری از روش استوکاستیک مدل‌سازی اطلاعات محور سببی  مبتنی بر آلگوریتم برگشتی صافی کالمن، برخورد این تحقیق در شناسایی رابطه غیرخطی بین بارش ورواناب بوده است. رهیافت فوق بر حوضه خرسان از زیر‌حوضه‌های اصلی کارون بزرگ اجرا گردید. برقراری تناسب بین پارامترهای واسنجی شده و خصوصیات روندیابی جریان در حوضه، آشکار‌کننده یک طبیعت موازی محتمل در این زیرحوضه بود. نهایتا جهت کمی سازی اعتماد پذیری مدل شناسایی شده ، تحلیل حساسیت براساس روش شبیه سازی مونت کارلواجرا گردید.

کلیدواژه‌ها


عنوان مقاله [English]

Non-Linear Signal Processing of Rainfall-Runoff Process Using Data-Based Mechanistic Modeling (DBM) Case Study: Khersan Basin

نویسندگان [English]

  • N jalalkamali 1
  • H Sedghi 2
1 Assistant Professor, Department of Water Engineering, College of Engineering, Islamic Azad University, Kerman Branch, Kerman, Iran,
2 Professor, Department of Irrigation, College of Agriculture, Islamic Azad University, Science and Research Branch, Tehran, Iran,
چکیده [English]

There were many hydrological researches focused on dynamic and linear modeling of rainfall-runoff process.

Conversion of rainfall data to runoff consists of nonlinear complex relationships which are resulted from interactions of different sets of hydrological process. The stochastic modeling is therefore seems to be more sensible in this estimate than deterministic ones.

In this research observed runoff is modeled against total rainfall. This will mainly avoid misleading theories in breaking the rainfall and runoff time series into the excess rainfall and the direct runoff time series,.

A Transfer Function (TF) model with single input and single output variable (SISO) is used in this research. This function is transferred to the state space equations. The stochastic Data-Based Mechanistic modeling (DBM) method relying upon recursive Kalman filtering algorithm is then used to identify the non-linear relationship between rainfall and runoff.

This approach is applied to the Khersan sub basin in the Great Karun catchment south western Iran. The relation between the calibrated parameters and the routine characteristics of the basin flow showed a probable  parallel structure of flow routine in this sub basin.

Finally the sensitivity analysis is performed using the Monte Carlo Simulation (MCS) in order to quantify the reliability of the model. 

کلیدواژه‌ها [English]

  • Data-Based Mechanistic Modeling
  • Rainfall-Runoff Process
  • Linear Store Models
  • Parallel Flow Process
  • Time Variable and State Dependent Parameter Estimation

صدقی، ح. (1371)،‌ "ارزیابی و برآورد ابعاد حداکثر بارش و سیلاب متحمل حوضه آبریز کارون در پل‌شالو به عنوان معیار طراحی سد کارون 3"، تهران، شرکت توسعه منابع آب و نیروی ایران، 55 صفحه.

صدقی، ح. و همکاران (1379)، "پروژه به روز‌رسانی و بررسی گزارشات مطالعات هیدرولوژی سیلاب گتوند ـ گزارش نهایی"، تهران، شرکت خدمات مهندسی برق مشانیر،110صفحه.

Beven, K.J. (2001), “Rainfall-Runoff Modelling: The Primer”, Chichester: J. Willey,360P.

Wagener, T., Wheater, H.S. and Gupta, H. (2004), “RainFall-Runoff Modeling in Gauged and

 

       Ungaugaed Gatchments”., Imperial College Press, 306p.

Young, P.C. (2001), “Data-Based Mechanistic Modell-ing and Validation of Rainfall-Flow Processes”, Chichester: J. Willey, pp. 117-161.

Young, P.C. (2002a), “Advances in Real-Time Flood Forecasting”, CRES Report Number TR/176, Lancaster University Press, UK.

Young, P.C., Taylor C.J., Tych, W., Pedregal, D.J. & McKenna, P.G. (2004), “The Captain Toolbox”, Center for Research on Environmental Systems and Statistics, Lancaster University, U.K.