دسته بندی | عمران و ساختمان |
فرمت فایل | docx |
حجم فایل | 3725 کیلو بایت |
تعداد صفحات فایل | 145 |
شبیه سازی رواناب روزانه با استفاده از الگوریتم PSO در بهینه سازی مدل های حوضه آبریز
یکی از چالشها و اهداف عمده در هیدرولوژی مهندسی تعیین یک مدل بارش- رواناب مناسب جهت مشخص کردن پاسخ حوضه نسبت به یک بارش مشخص با استفاده از پارامترهای موجود در مدل است. پاسخ حوضه تابعی از مشخصات حوضه آبریز و مقادیر پارامترهای مدل است. لذا ضروری است که این پارامترها به نحوی مناسب برآورد گردند. کالیبراسیون مدل مستلزم بهینه کردن یک تابع هدف است، در این تحقیق ضریب کارآیی یا ضریب Nash & Sutcliffe به عنوان تابع هدف مد نظر قرار گرفت و بیشینه آن به طور خودکار جستجو گردید.
به منظور تحقق این امر از الگوریتم بهینه سازیPSO (Particle Swarm Optimization) برای برآورد مقادیر پارامترهای مدل مفهومی بارش- رواناب ARNO، با استفاده از داده های مشاهداتی روزانه بهره گرفته شد و توسط آنها بهترین هیدروگراف روزانه محاسباتی مشخص گردید.
در این تحقیق، حوضه آبریز رودخانه کرج در بالادست ساختگاه سد امیرکبیر مورد مطالعه قرار گرفت. ورودی های مدلARNO به صورت دو سری زمانی بارش و تبخیر و تعرق پتانسیل هستند. از آن جا که تبخیر و تعرق پتانسیل تابع دما است و با توجه به اختلاف ارتفاع زیاد نقاط مختلف حوضه، یک مدل رگرسیونی (بر اساس بهترین ضریب تعیین) به منظور محاسبه رابطه بین دما و ارتفاع، برای محاسبه دمای میانگین در هر روز پیشنهاد گردید. هم چنین با توجه به کوهستانی بودن و زیر صفر بودن دمای هوای بخش عمده ای از حوضه در فصول بارش، سهم عمده ای از نزولات جوی به صورت برف بوده و برف به مدت طولانی در این مکانها به صورت ذخیره باقی می ماند. از این رو اصلاح فایل بارش اولیه امری ضروری است. این کار با جدا کردن سهم برف از مجموع نزولات و اضافه نمودن مجدد برف ذوب شده و تشکیل یک فایل ثانویه بارش که بتوان آن را به عنوان ورودی به مدل بارش- رواناب معرفی نمود، انجام گردید.
در نهایت با اصلاح فایل بارش به عنوان ورودی اصلی مدل و هم چنین ساختن فایل تبخیر و تعرق پتانسیل، مدل مفهومی بارش رواناب ARNO توسط الگوریتم بهینه سازی PSO به صورت خودکار کالیبره شد و ضریب کارآیی (Sutcliffe & Nash) برابر 8108/0 در مرحله کالیبراسیون برای حوضه کوهستانی کرج به دست آمد.