تحلیل عدم‏قطعیت پارامتر هدایت هیدرولیکی در مدل MODFLOW توسط روش مونت‏کارلو و RPEM (مطالعه موردی: دشت علی ‏آباد قم)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 گروه آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران

2 استادیار، گروه مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران، تهران، ایران

چکیده

در مدلسازی آب‌های زیرزمینی، عوامل بسیاری موجب انحراف در نتایج پیش‌بینی‌شده از مقادیر مشاهده‏شده می‌شوند که بیان‌کننده عدم‌قطعیت در سیستم منابع آب‌های زیرزمینی می‌باشد. در این مطالعه جهت بررسی عدم‌قطعیت مدل جریان آب زیرزمینی دشت علی‏آباد قم با مساحت 1712 کیلومتر مربع، پارامتر هدایت هیدرولیکی به عنوان یکی از مهم‌ترین منابع اصلی عدم‌قطعیت جهت ‌تحلیل عدم‌قطعیت پارامتری لحاظ گردید. در این راستا، باندهای مختلف عدم‌قطعیت در خصوص پارامتر هدایت هیدرولیکی جهت شبیه‌سازی سطح آب زیرزمینی در محدوده اطمینان 90% با استفاده از روش مونت‌کارلو بررسی و به منظور کمی‌سازی، معیارهای ارزیابی عدم-قطعیت محاسبه گردید. در نهایت مناسب‌ترین باند غیرقطعی برای پارامتر مذکور ارائه شد. به منظور کاهش حجم محاسبات و صرفه-جویی در زمان از روش Rosenblueth’s Point Estimation Method (RPEM) استفاده و عملکرد آن در تحلیل عدم‌قطعیت هدایت هیدرولیکی با روش مونت‌کارلو توسط شاخص‌های ارزیابی مقایسه گردید. نتایج نشان داد که مناسب‌ترین باند غیرقطعی در تحلیل عدم‏قطعیت نوسانات سطح آب زیرزمینی با لحاظ پارامتر غیرقطعی هدایت هیدرولیکی با استفاده از هر دو روش مونت‌کارلو و RPEM، افزایش 40 و کاهش 30 درصدی در مقدار حاصل از واسنجی آن می‌باشد. روش RPEM در این پژوهش توانست عملکرد بهتری را نسبت به روش مونت‌کارلو به میزان 43% از خود نشان دهد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Uncertainty Assesment of Hydraulic Conductivity Parameter in MODFLOW Model using Monte Carlo and RPEM Method (Case study: AliAbad plain of Qom)

نویسندگان [English]

  • Maryam Sadat Kahe 1
  • Saman Javadi 2
  • Abbas Roozbahani 1
1 Department of Irrigation and Drainage, Aburaihan campus, University of Tehran
2 Assistant Professor, Department of Irrigation and Drainage Engineering, College of Aburaihan, University of Tehran, Tehran, Iran
چکیده [English]

In groundwater modeling, an array of factors are the cause of deviation between estimated results and observed data which demonstrate uncertainty in groundwater resources system. In this study, with the aim of investigating the uncertainty of groundwater flow model in Ali Abad plain of Qom with the area of 1712 km2, the parameter of hydraulic conductivity as the most important source of uncertainty was used to analyze the parametric uncertainty. For this purpose, in order to simulate ground water level, different uncertainty ranges in 90% of confidence interval of hydraulic conductivity was investigated by Monte Carlo method and the uncertainty assessment criteria were used to quantify the uncertainty. Eventually, the most appropriate uncertainty range was defined. The Rosenblueth’s Point Estimation Method (RPEM) was used to reduce the calculation process and time and then its performance for analyzing the parametric uncertainty was compared to Monte Carlo method using assessment criteria. Results showed that the most appropriate uncertainty range with RPEM and Monte Carlo method for hydraulic conductivity was obtained by increasing of 40% and reduction of 30% of this parameter. RPEM method showed a better performance account for 43% compared to Monte Carlo method.

کلیدواژه‌ها [English]

  • Hydrodynamic coefficient
  • Uncertainty range
  • Monte Carlo
  • RPEM method
  • Ali Abad plain of Qom

Altarejos-García L, Martínez-Chenoll ML, Escuder-Bueno I, Serrano-Lombillo A (2012) Assessing the impact of uncertainty on flood risk estimates with reliability analysis using 1-d and 2-d hydraulic models. Hydrology and Earth System Sciences 16(7):1895-1914

Bair ES, Safreed CM, Stasny EA (1991) A Monte Carlo‐based approach for determining traveltime‐related capture zones of wells using convex hulls as confidence regions. Ground Water 29(6):849-855

Bogena H, Kunkel R, Montzka C, Wendland F (2005) Uncertainties in the simulation of groundwater recharge at different scales. Advances in Geosciences 5:25-30

Cooley RL (1997) Confidence intervals for ground‐water models using linearization, likelihood, and bootstrap methods. Ground Water 35(5):869-880

Eckhardt K, Breuer L, Frede HG (2003) Parameter uncertainty and the significance of simulated land use change effects. Journal of Hydrology 273 (1):164-176

Hunt RJ, Steuer JJ, Mansor MTC, Bullen TD (2001) Delineating a recharge area for a spring using numerical modeling, monte carlo techniques, and geochemical investigation. Ground Water 39(5): 702-712

Jafari F, Javadi S, Golmohammadi G, Karimi N, Mohammadi K (2016) Numerical simulation of groundwater flow and aquifer-system compaction using simulation and insar technique: Saveh basin, Iran. Environmental Earth Sciences 75(9):1-10

Jin X, Xu CY, Zhang Q, Singh VP (2010) Parameter and modeling uncertainty simulated by glue and a formal bayesian method for a conceptual hydrological model. Journal of Hydrology 383(3):147-155

Juckem PF, Fienen MN, Hunt RJ (2014) Simulation of groundwater flow and interaction of groundwater and surface water on the lac du flambeau reservation, wisconsi. US Geological Survey Scientific Investigations Report 2014-5020, 34 p

Li L, Xia J, Xu CY, Chu J, Wang R (2009) Analyse the sources of equifinality in hydrological model using glue methodology. IAHS publication 331(4):130-138

Meyer PD, Ye M, Rockhold ML, Neuman SP, Cantrell KJ (2007) Combined estimation of hydrogeologic conceptual model, parameter, and scenario uncertainty with application to uranium transport at the hanford site 300 area. Pacific Northwest National Laboratory (PNNL) Richland, WA (US), 125p

Rahnama B, Naseri M, Zahraei B (2014) Identifying optimized structure and uncertainty analysis of monthly water balance model. Iran Water Research Journal 8(14):77-86 (In Persian)

Rosenblueth E (1975) Point estimates for probability moments. Proceedings of the National Academy of Sciences 72(10):3812–3814

Rosenblueth E (1981) Two-point estimates in probabilities. Applied Mathematical Modelling 5(5):329–335

Starn JJ, Bagtzoglou AC, Robbins GA (2010) Using atmospheric tracers to reduce uncertainty in groundwater recharge areas. Ground Water 48(6): 858-868

Tsai TL, Tsai PY, Yang PJ (2015) Probabilistic modeling of rainfall-induced shallow landslide using a point-estimate method. Environmental Earth Sciences 73(8):4109-4117

Tung YK, Yen BC (2005) Hydrosystems engineering uncertainty analysis. McGraw-Hill Professional Engineering, 273p

Varljen MD, Shafer JM (1991) Assessment of uncertainty in time‐related capture zones using conditional simulation of hydraulic conductivity. Ground Water 29(5):737-748

Wu JC, Lu L, Tang T (2011) Bayesian analysis for uncertainty and risk in a groundwater numerical model's predictions. Human and Ecological Risk Assessment: An International Journal 17(6):1310-1331

Wu J, Zeng X (2013) Review of the uncertainty analysis of groundwater numerical simulation. Chinese Science Bulletin 58(25):3044-3052

Yoon H, Hart DB, McKenna SA (2013) Parameter estimation and predictive uncertainty in stochastic inverse modeling of groundwater flow: Comparing null‐space Monte Carlo and multiple starting point methods. Water Resources Research 49(1):536-553

Yu PS, Yang TC, Chen SJ (2001) Comparison of uncertainty analysis methods for a distributed rainfall–runoff model. Journal of Hydrology 244(1):43-59