ناصری, محسن, احمدی, آرمان. (1397). شبیهسازی عدم قطعیت پارامترهای مدل هیدرولوژیک با بهرهگیری از چهارچوب UNEEC-P: مطالعه موردی مدل بیلان آبی ماهانه. تحقیقات منابع آب ایران, 14(5), 189-203.
محسن ناصری; آرمان احمدی. "شبیهسازی عدم قطعیت پارامترهای مدل هیدرولوژیک با بهرهگیری از چهارچوب UNEEC-P: مطالعه موردی مدل بیلان آبی ماهانه". تحقیقات منابع آب ایران, 14, 5, 1397, 189-203.
ناصری, محسن, احمدی, آرمان. (1397). 'شبیهسازی عدم قطعیت پارامترهای مدل هیدرولوژیک با بهرهگیری از چهارچوب UNEEC-P: مطالعه موردی مدل بیلان آبی ماهانه', تحقیقات منابع آب ایران, 14(5), pp. 189-203.
ناصری, محسن, احمدی, آرمان. شبیهسازی عدم قطعیت پارامترهای مدل هیدرولوژیک با بهرهگیری از چهارچوب UNEEC-P: مطالعه موردی مدل بیلان آبی ماهانه. تحقیقات منابع آب ایران, 1397; 14(5): 189-203.
شبیهسازی عدم قطعیت پارامترهای مدل هیدرولوژیک با بهرهگیری از چهارچوب UNEEC-P: مطالعه موردی مدل بیلان آبی ماهانه
تلاش به منظور شبیهسازی عدم قطعیت متأثر از پارامترها و یا ساختار اصلی مدل ریاضی و یا مفهومی منجر به ارائه روشهای مختلف احتمالاتی، امکانی و خلاقانه شده است. در مقاله حاضر با استفاده از ساختار UNEEC-P به تخمین رفتار غیرقطعی پارامتری در مدل بیلان ماهانه پرداخته شده است. نوآوری ارائه شده در این مقاله مبتنی بر استفاده از مدل مفهومی اصلی (مدل بیلان آبی ماهانه) به جای استفاده از مدلهای رگرسیونی به منظور تخمین حد بالا و پایین غیر قطعی نتایج است. مدل مفهومی مورد استفاده، مدل بیلان آبی ماهانه با سه پارامتر است که در حوضه آبریزی کوچک با مساحت 82 کیلومتر مربع در جنوب فرانسه مورد استفاده قرار گرفته تا نتایج عدم قطعیت پارامتری حاصل از استفاده روش GLUE و در دامنه غیر قطعی [95، 5] شبیهسازی شود. همچنین به منظور ارزیابی عملکرد مدل پیشنهادی نتایج حاصل از مدل بیلان با نتایج مدل رگرسیون عمومی شبکه عصبی مصنوعی (GRNN) مقایسه شده است. با هدف ارزیابی دقت و اعتبار آماری ساز و کار نوین پیشنهادی در این مقاله، علاوه بر شاخصهای ارزیابی معمول تشابه و عدم تشابه، از شاخص AIC نیز استفاده شده است. مشخصات آماری متعددی همچون میانگین مربعات خطا (MSE)، میانگین مربعات خطای نرمال شده (NMSE)، شاخص Nash-sutcliff، ضریب همبستگی و AIC دال بر مطلوبیت بیشتر استفاده از روش ارائه شده و همچنین بهبود نتایج حاصل از ساختار مفهومی ارائه شده در مقایسه با نتایج حاصل از شبکه عصبی مصنوعی به تفکیک دوره کالبیدن و ارزیابی است.
Simulation of Parametric Uncertainty of Hydrological Models using UNEEC-P Framework: Monthly Water Balance Model case Study
نویسندگان [English]
Arman Ahmadi2؛
2college of civil engineering, university of Tehran
چکیده [English]
Efforts to achieve suitable estimation of parametric or the structural uncertainty of mathematical or conceptual frameworks have been led to develop various probabilistic, possibilistic, and innovative methods. In this paper, uncertain parametric behavior in a monthly water balance model has been studied using the structure of the UNEEC-P method. In the approach proposed by this paper and for the first time, instead of using a variety of regression methods to estimate the upper and lower uncertain bounds, the original conceptual model has been used. The applied conceptual model is a three-parameter monthly water balance model, and the case study of the paper is a small basin with an area of 82 square kilometers in southern France. Also, in order to evaluate the performance of the proposed method, Generalized Regression Neural Network (GRNN) has been used to evaluate the results of the conceptual models. The estimation of parametric uncertainty has been used to simulate the results of GLUE method in a Confidence Level (CL) equal to 90%. In order to measure the accuracy and validity of the new mechanism proposed in this study, in addition to the usual evaluation indicators of similarity and dissimilarity, the AIC index is also used, and different statistical indicators such as Mean Square Error (MSE), Normal Mean Square Error (NMSE), Nash-Sutcliff (NS), Correlation Coefficient (CC), and AIC demonstrate the better performance of proposed method comparing to the GRNN.
کلیدواژهها [English]
estimation of uncertainty, UNEEC-P model, monthly water balance model, GLUE, GRNN