عنوان پایان‌نامه
پیش بینی رواناب در حوضه های فاقدآمار با رویکردهای ترکیب مدل های داده مبنا
- رشته تحصیلی
- مهندسی منابع طبیعی - آبخیزداری
- مقطع تحصیلی
- دکتری تخصصی PhD
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6685;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 73051;کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6685;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 73051
- تاریخ دفاع
- ۲۷ مهر ۱۳۹۴
- دانشجو
- محمد خسروی
- استاد راهنما
- علی سلاجقه
- چکیده
- برآورد سری¬های زمانی پیوسته روزانه جریان در مدیریت منابع آب نقش مهمی دارند. در این تحقیق امکان شبیه-سازی سری¬های زمانی جریان روزانه در حوضه¬های فاقد آمار با استفاده از یک مدل مفهومی هیدرولوژیکی، مدل-های داده مبنا و رویکردهای ترکیب مدل¬ها مورد بررسی قرار گرفت. بدین منظور 14 حوضه انتخابی با مساحت بین 16 تا 804کیلومترمربع در منطقه البرز مرکزی که دارای آمار مناسب بودند برای مطالعه انتخاب شدند. همه حوضه-های مطالعاتی دارای آمار بودند ولی در اینجا برای دستیابی به هدف مطالعه به صورت یک به یک فاقد آمار (فاقد آمار فرضی) در نظر گرفته شدند. از روش¬های مجاورت مکانی، مشابهت سطح زهکشی، مشابهت فیزیکی و گروه-بندی حوضه¬ها به مناطق همگن هیدرولوژیکی با استفاده از روش K-means برای تعیین حوضه(های) دارای آمار مشابه با حوضه فاقد آمار(فرضی) استفاده شد. بر این اساس همه حوضه¬ها یک به یک به عنوان فاقد آمار در نظر گرفته شدند و با انتقال پارامترهای مدل HBV و انتقال مدل¬های آموزش یافته داده مبنا از حوضه دارای آمار مشابه به حوضه فاقد آمار، کارایی روش¬های منطقه¬ای کردن و مدل¬های مورد مطالعه در شبیه¬سازی جریان روزانه مورد بررسی قرار گرفت. همچنین با استفاده از دو روش مستقل هیدرولوژیکی IDW-SI (روش ترکیبی مشابهت فیزیکی و مجاورت مکانی) و مقیاس¬بندی بر اساس مساحت حوضه¬ها در حوضه¬های آشیانه¬ای امکان شبیه¬سازی جریان روزانه در حوضه¬های فاقد آمار منطقه مورد بررسی قرار گرفت. از رویکرد ترکیب داده¬ها برای ترکیب خروجی¬های مدل¬های منفرد مورد استفاده (مدل HBV و مدل¬های داده مبنا MLP و ANFIS) و تعیین کارایی روش¬های ترکیب داده¬ها برای انجام شبیه¬سازی¬ها استفاده شد. نتایج این مطالعه نشان داد که انتقال پارامترهای مدل HBV و همچنین انتقال مدل¬های آموزش یافته MLP و ANFIS بر مبنای شباهت هیدرولوژیکی بدست آمده با روش مجاورت مکانی در مقایسه با روش¬های دیگر اندکی بهتر می باشد و روش¬مشابهت فیزیکی نیز بهتر از روش مشابهت بر مبنای سطح زهکشی برای منطقه¬ای کردن مدل¬های مورد استفاده در منطقه مورد مطالعه می¬باشد. استفاده از روش¬های هیدرولوژیکی مقیاس بندی در حوضه¬های آشیانه¬ای و روش ترکیبی مشابهت فیزیکی و مجاورت مکانی(IDW-SI) در برآورد جریان روزانه در حوضه¬های فاقد آمار منطقه نیز نشان دادند که این دو روش تا حدودی می¬توانند روش¬های مناسبی برای برآورد جریان روزانه در حوضه¬های فاقد آمار تلقی شوند به ویژه در زمانی¬که از دو کلاس همگن هیدرولوژیکی برای روش IDW-PS و از جریان ترکیبی دو زیرحوضه یا حوضه در استفاده از حوضه¬های آشیانه¬ای برای برآورد در حوضه¬های فاقد آمار استفاده شود این روش¬ها کارایی بهتری دارند. استفاد از روش¬های میانگین¬گیری ساده و وزنی برای ترکیب نتایج مدل¬ها نیز نشان دادند که روش دومی بهتر می-تواند ضعف¬های احتمالی مدل¬های منفرد را پوشش داده و برای شبیه¬سازی جریان در حوضه¬های فاقد آمار منطقه مناسب¬تر می¬باشد همچنین این روش به دلیل برآوردهای همگنی که از خروجی¬های مدل¬ها تهیه می¬نماید نسبت به مدل¬های منفرد قابل اطمینان¬تر می¬باشد. کلمات کلیدی: حوضه فاقد آمار، رواناب روزانه، مدل HBV، مدل‌های داده مبنا، ترکیب مدل¬ها
- Abstract
- This study examines the possibility of simulating time series of streamflows for ungauged Watersheds using a hydrologic conceptual model, data driven models and data fusion approaches. The data of 14 gauged watersheds (16 to 804 km2) located in central Alborz region, Iran, with suitable time series data are used for this research. It should be noted that all of the selected watersheds for this research, had data so it is better to be called as pdeudo ungauged watersheds. The methods of spatial proximity, drainage area similarity, physical similarity and K-means clustering were used to determine the similar watershed(s) to pseudo ungauged watershed. Then, the daily streamflow in ungauged watersheds produced by transferring the calibrated parameters of HBV model and also transferring the trained data driven modes. Also two other hydrological methods including IDW-SI and scaling method in nested watersheds were used to simulate streamflow in ungauged watersheds. Two data fusion approaches were used to ensemble the individual models outputs. Results showed that transferring HHV model parameters and trained data driven methods based on spatial proximity approach have the highest efficiency in comparsion to the other regionalization methods. IDW-SI and scaling methods showed satisfactory results and results were better since they have applied in two homogenous clusterd obtained by K-means algorithm. The weighted and arithmetic mean methods applied as data fusion approaches on individual models outputs. The results indicate that the weighted mean method is better than arithmayic mean method and the results are more robust in comparing to individual methods. Key words: ungauged watershed, Daily runoff, HBV model, data driven models, data fusion
