ارزيابي دو الگوريتم مختلف مونت كارلو زنجير ماركف در تحليل عدم قطعيت پارامترهاي مدل توزيعي هيدرولوژيكي

Uncertainty analysis of a single event distributed rainfall-runoff model by using two different Markov Chain Monte Carlo methods

تعيين مقادير بهينه براي پارامترهاي به كار رفته در هر مدل شبيه سازي كاري است كه همواره با شك و ترديد همراه مي باشد و بنابراين بايد عدم قطعيت موجود در پارامترهاي شبيه سازي با روش هاي مناسب ،SCEM UA و DREAM تحليل و بررسي گردد. در اين پژوهش مقايسه دو الگوريتم عدم قطعيت به كار گرفته شد. اين AFFDEF براي پارامترهاي مدل بارش- رواناب فيزيكي و توزيعي تك رخداد روش ها برپايه مونت كارلو زنجير ماركف بوده كه اخيراً توسعه يافته اند و از روش نمونه گير متروپوليس استفاده مي كنند كه به خوبي قادر به بررسي فضاي پارامتري با حداقل تعداد تكرار ميباشد. مدل به دليل خطاي كم تر آن- به نسبت Fortran در زبان برنامه نويسي AFFDEF هيدرولوژيك توزيعي مدل هاي يكپارچه در اين پژوهش به كار گرفته شد. منطقه مورد مطالعه، حوضه ابوالعباس به مساحت تقريبي 280 كيلومترمربع در شرق استان خوزستان بوده كه داراي ميانگين سالانه بارش 550 ميلي متر مي باشد. تعداد 6 رخداد در خلال فصل غيرذوب برف براي اين منظور به كار گرفته شد كه از اين ميان 4 رخداد براي واسنجي و 2 رخداد براي صحت سنجي نتايج مورد استفاده قرار گرفت. نتايج دو روش عدم قطعيت، همگرايي سريع تر و همچنين بازه پسين باريك تر براي پارامترهاي مدل بارش رواناب را نشان داد كه در حقيقت كارايي بالاي روش SCEM-UA به نسبت روش DREAM در روش mohsen.pourreza@birjand.ac.ir : * مسيول مكاتبه 1393 ( نشريه پژوهش هاي حفاظت آب و خاك جلد ( 21 )، شماره ( 5 2 71-11- براي سيلاب 11 d و فاكتور p را اثبات نمود. به طوري كه براي مثال مقادير فاكتور DREAM 1 به ترتيب افزايش و كاهش يافته است. ضمن آن كه / 0 و 56 / به 96 SCEM 2 در روش / 0 و 25 / از 92 وابستگي توابع توزيع پارامترها در هر رخداد به ويژگي هاي دبي اوج و شرايط رطوبتي آن رخداد را نيز نشان داده شد.

So far flood forecasting and simulation in hydrologic literature suffer from lack of explicit recognition of forcing and parameter and model structural error. However since any model is a simplification of reality there remains a great deal of uncertainty even after the calibration of a model parameters. Often parameters in hydrologic models cannot be measured directly and can only be inferred by a calibration process. This work addresses the application and comparison of two parameter uncertainty methods and their effects on the prediction of streamflow in Abolabbas watershed (290 km2) located in Khuzestan Province. Two Markov Chain Monte Carlo methods, Shuffled Complex Evolution Metropolis (SCEM UA) and DiffeRential Evolution Adaptive Metropolis (DREAM) were used in this study to quantify parameter uncertainty in AFFDEF implemented in FORTRAN language programming, a single event distributed rainfall runoff model. Respectively, four and two historical floods with hourly time step were selected for calibration and validation periods. More than 45000 simulation runs with 15 chains were done to indicate convergence to a stationary posterior distribution. For example, results showed that p-factor and d-factor values for event 31/1/1993 changed from 0.92 and 2.25 in SCEM-UA approach and reached to 0.96 and 1.56 in DREAM approach respectively. Finally posterior parameters distributions were created with samples from last 20 percent of chains. All of these posterior distributions became properly smaller than initial upper and lower bounds.