مدل‌سازي اطلاعات محورسببي فرآيند پوياي بارش – رواناب: مطالعه موردي حوضه كارون عليـا

Data-based mechanistic modeling of rainfall-runoff process, case study: upper Karoun subbasin data analysis

بخش عمده‌اي از مطالعات هيدرولوژي بر مدل‌سازي فرآيند پيچيده و غيرخطي بارش – رواناب متمركز است. مدل‌هاي ارايه شده جهت تبيين رفتار اين فرآيند شامل دامنه‌ گسترده‌اي از مدل‌هاي جعبه سياه تا مدل‌هاي حجيم مبتني بر معادلات حاكم بر فيزيك سيستم ميباشند. نظر به وجود عدم اطمينان حاكم بر فرآيند مذكور در خصوص ورودي‌هاي مدل و پارامترهاي واسنجي‌شده، به نظر مي‌رسد كه مدل‌سازي استوكاستيك فرآيند نسبت به مدل‌سازي قطعي ارجحيت دارد. در اين تحقيق شناسايي و تخمين روابط غيرخطي عملگر در فرآيند مذكور از طريق رهيافت اطلاعات محور سببي(DBM) مي‌باشد. روش مذكور يك روش استوكاستيك مدل‌سازي مبتني بر تخمين برگشتي پارامترها توسط صافي كالمن در سيستم معادلات فضاي حالت است كه علاوه بر ارايه مدلي جهت تشريح رفتار حوضه در پاسخ به پالس‌هاي ورودي بارش، قادر به انعكاس تفسيري فيزيكي از نحوه تبديل بارش به رواناب نيز مي‌باشد. جنبه اخير شاخص‌ترين ويژگي اين روش مدل‌سازي است كه آن را از ساير روش‌هاي مدل‌سازي جعبه سياه متمايز مي‌سازد. آزمون رهيافت مذكور بر اطلاعات مشاهداتي حوضه كارون عليا از زيرحوضه‌هاي اصلي رودخانه كارون بزرگ، آشكار‌كننده يك طبيعت موازي محتمل در رونديابي بارش ورودي بود. نهايتاً بر اساس روش مونت كارلو، نتايج حاصله تحت تحليل حساسيت قرار گرفتند و ميزان اعتمادپذيري آنها كمي شد.

A major part of hydrological researches focused on complex and non-linear rainfall-runoff process. Mathematical models were presented to describe this process including a wide range from simple black-box representation to complex physically-based models. Considering inherent uncertainty associated with the process as a result of uncertain input variables and uncertain calibrated parameters, stochastic modeling seemed preferable to deterministic approaches. In this study, data-based mechanistic modeling (DBM) was selected to identify non-linearities of the process. The method is categorized as a stochastic approach relying upon recursive parameter estimation using Kalman filtering algorithm in state space system of equations. In addition, it is capable to reflect a physical interpretation of rainfall-runoff conversion to describe the behavior of the system. The later capability differs it from other black-box modeling approaches. In this research, a parallel structure of flow routes was identified in upper-Karoun subbasin of the great Karoun catchment. Sensitivity analysis was also carried out based on Monte Carlo simulation (MCS) method and the reliability of the presented model were quantified.