تحليل عدم قطعيت و توليد آماري الگوي رگبار در حوضه سيمره

Uncertainty analysis and statistical generation of storm pattern in Seymareh catchment

الگوي رگبار از مهمترين متغيرهاي تصادفي ورودي به مدل‌هاي بارش- رواناب است. الگوي رگبار در برگيرنده مدت رگبار، عمق بارش و نوسانات زماني در مدت رخداد آن است. شناسايي دقيق متغيرها‏ي تاثيرگذار بر الگوي رگبار و بررسي عدم قطعيت‏هاي آن‌ها و در نهايت تحليل اين عدم قطعيت‌ها، كمك سودمندي در راستاي تحليل عدم قطعيت سيلاب مي‏باشد. در اين مقاله با تلفيق مدل پردازشگر اطلاعات (RDP) و مدل توليد كننده الگوي بارش (RPG)، رفتار تصادفي الگوي رگبار در حوضه آبريز سيمره ارزيابي شده و الگوي رگبار با دقت مناسبي توليد شد. با مشاهده نتايج حاصل از مقايسه الگوهاي بارش مشاهداتي و توليدي توسط مدل RPG، مشخص شد، ?? درصد مدت رگبارهاي مشاهداتي و 98 درصد گام‌هاي زماني الگوي رگبار مشاهداتي در باند معني‌دار الگوي رگبارهاي توليدي توسط مدل RPG قرار دارد. از اين‏رو مدل RPG در توليد الگوي رگبار دقت لازم را دارد و در شبيه‌سازي سيلاب، استفاده از الگوهاي بارش توليدي توسط اين مدل به جاي الگوهاي تيپ SCS، سبب افزايش دقت در شبيه‌سازي سيلاب مي‏شود. همچنين الگوي رگبار در وقايع با عمق بارش كمتر و مدت بيشتر داراي عدم ‏قطعيت كمتري دارند.

Random variables are the major reasons for uncertainty in flood modeling. Storm pattern is the most important random variable among the other variables in modeling of flood variability. Storm pattern include duration, depth and time distribution in a storm event. Accurate identification and uncertainty analysis of the effective variables on storm pattern and uncertainty analysis of storm pattern is useful for uncertainty analysis of flood modeling. In this study, combination of the rain data processor model (RDP) and the rain pattern generator model (RPG) models were used for identification and evaluation the variables affecting the rainfall patterns. Furthermore, random properties of storm pattern are evaluated in Seymareh catchment and various storm patterns were generated with acceptable accuracy. The results indicated that the RPG model has a good accuracy in hyetograph generation. Moreover, the comparison of sharpness index of Seymareh data revealed that rainfalls with less rainfall depth and long duration had less uncertainty.