ارزیابی کارایی روشهای داده گواری مختلف در روندیابی هیدرولوژیکی جریان رودخانه ای با بهره گیری از روش ماسکینگام

یکی از مسائل عمومی در هیدرولوژی و و هیدرولیک محاسباتی ناظر بر نحوه تخمین و یا پیش بینی رواناب جریان رودخانه ای در سطح زهکش حوزه ی آبریز می باشد بمنظور روندیابی آب نمود جریان در کریدور رودخانه، از دو دیدگاه روندیابی هیدرولیکی و هیدرولوژیکی سود برده می شود. هر نگرش از محاسن و معایب منحصر به فرد برخوردار می باشد. علاوه بر این، در هر دو دیدگاه، دسترسی کامل به آب نمود جریان بالادست در فازهای واسنجی و تصدیق اعتبار مدل روندیابی، دانسته فرض می شود. این در شرایطی است که حداقل در پیش بینی بهنگام و زمان واقعی سیلاب، دسترسی به آب نمود جریان بالادست یکی از چالشهای پیشرو محسوب می شود. تحقیق حاضر با هدف بررسی عملکرد مدل های ترکیبی داده گواری از نوع فیلتر کالمن و نگرش تابع انتقال و روندیابی هیدرولیکی(مدل mike11 ) و هیدرولوژیکی(مدل ماسکینگام) با بهره گیری از داده های مورد نیاز بالادست در کریدور رودخانه مورد توجه قرار گرفته است. در این راستا، پس از عرضه تعریفی دقیق از واژگانی نظیر واسنجی منفرد و ترکیبی با بهره گیری از آزمایشات عددی در شرایط کنترل شده مبادرت به تولید داده های آب نمود عمق جریان در بالادست و پایین دست گردیده است. در ادامه، با ترکیب مدل های پایه با مدل های داده گواری فیلتر کالمن و تابع انتقال، امکان محاسبه آب نمود عمق جریان در پایین دست و مقایسه نتایج با مقادیر شاهد میسر گردیده است. از آنجا که تبیین مدل ماسکینگام در قالب سنتی فیلتر کالمن شرط مشاهده پذیری را ارضا نمی نماید، با اعمال تغییراتی در مدل و بیان آن در قالب فیلتر کالمن، امکان ارضا شرط مشاهده پذیری فراهم گردیده است. ذکر این نکته لازم است که مدل ماسکینگام هم بر حسب عمق جریان و هم بر اساس بهنگام سازی پارامترهای مدل در قالب فیلتر کالمن تبیین گردیده است. با رویداشت به نتایج حاصله، این استنتاج عمومی حاصل گردیده است که چنانچه از توانایی مدل های توزیعی نظیر mike11 در نگاشت سیلاب دشت صرف نظر گردد، نتایج مدل های میانگینی نظیر مدل هیدرولوژیکی ماسکینگام براحتی با نتایج حاصل از مدل های هیدرولیکی رقابت می کند و در غیاب اطلاعات توپوگرافی رودخانه قابل توصیف می باشد. علاوه بر این، بمنظور بهبود کارائی مدل ترکیبی، توصیه می شود که ساختار تولید داده های آب نمود عمق بالادست در مرحله واسنجی و تصدیق اعتبار همانند گردد. پس از استفاده از داده های آب نمود جریان رودخانه کارون و روندیابی جریان با مدل های ترکیبی ماسکینگام، فیلتر کالمن و تابع انتقال، نتایج نشان می دهد که مدل ماسکینگام در ترکیب با فیلتر کالمن بهتر از مدل داده گواری تابع انتقال و شبکه عصبی معمولی مبادرت به شبیه-سازی جریان نموده است.