تحليل عدم قطعيت مقدار، توزيع زماني و مكاني بارش در پيش بيني سيل

Uncertainty Analysis of Magnitude, Temporal and Spatial Distribution ofPrecipitation in Flood Forecasting

عدم قطعيت در بارش پيش بيني شده، يك منبع اصلي عدم قطعيت در پيش بيني بهنگام سيل مي باشد. عدم قطعيت بارش از عدم قطعيت در مقدار بارش، توزيع زماني و توزيع مكاني بارش تشكيل مي شود. در اين تحقيق به منظور پخش عدم قطعيت بارش در مدل پيش بيني سيل HEC-1، روش گسسته سازي زماني در چهارچوب اصل بسط تيوري فازي و در تركيب با الگوريتم ژنتيك نرمال بكار برده مي شود. عدم قطعيت به علت توزيع زماني ناشناخته بارش با توزيع تصادفي بارش در زيردوره هاي پيش بيني بدست مي آيد. عدم قطعيت دبي و حجم هيدروگراف سيل تحت تاثير بارش با گسسته سازي زماني و بارش بدون گسسته سازي زماني برآورد و با يكديگر مقايسه مي گردد. نتايج نشان مي دهد كه در تمام پيش بيني ها، عدم قطعيت در دبي و حجم هيدروگراف سيل تحت تاثير بارش با گسسته سازي زماني به طور قابل توجه اي بيشتر از عدم قطعيت بارش بدون گسسته سازي زماني مي باشد. به طوري كه به ازاي تعداد زير دوره هاي پيش بيني برابر با 6 و درجه عضويت مقادير بارش برابر با صفر، عدم قطعيت در دبي اوج تحت تاثير بارش با و بدون گسسته سازي زماني به ترتيب برابر با 7/33 و 16در صد و عدم قطعيت در حجم سيل تحت تاثير بارش با و بدون گسسته سازي زماني به ترتيب برابر با 5/23% و 8/14% مي باشد. همچنين عدم قطعيت در دبي اوج هيدروگراف سيل به علت عدم قطعيت در توزيع زماني و مكاني بارش به طور قابل ملاحظه اي بيشتر از عدم قطعيت به علت مقدار بارش مي باشد. به طوري كه به ازاي تعداد زير دوره هاي پيش بيني برابر با 6 و درجه عضويت مقادير بارش برابر با صفر، عدم قطعيت در دبي اوج به علت توزيع زماني و مكاني بارش و مقدار بارش به ترتيب برابر با 7/17 و 16 در صدمي باشد. بنابراين استفاده از بارش متوسط زماني و مكاني در حوضه ممكن است منجر به پيش بيني هاي نادرست گردد

The uncertainty in forecasted precipitation remains a major source of uncertainty in real time flood forecasting. Precipitation uncertainty consists of uncertainty in the magnitude, temporal distribution, and spatial distribution of the precipitation. Due to uncertainty propagation of precipitation in flood forecasting model of HEC-1, temporal disaggregation method is applied by using the framework of fuzzy Extension Principle supported by a normal genetic algorithm. The uncertainty due to the unknown temporal distribution of the precipitation is achieved by randomly disaggregation of the precipitation into subperiods. Uncertainty in discharge and volume of flood hydrograph due to precipitation with temporal disaggregation and precipitation without temporal disaggregation is estimated and is compared with each others. The results show that in all forecasts the uncertainty in discharge and volume of flood hydrograph due to precipitation with temporal disaggregation is significantly more than uncertainty due to precipitation without temporal disaggregation. So that for forecast subperiod equal to six and membership function of precipitation magnitude equal to zero, the uncertainty in peak discharge due to precipitation with temporal disaggregation and without temporal disaggregation are 33.7% and 16%, respectively. Also the uncertainty in volume of flood hydrograph due to precipitation with temporal disaggregation and without temporal disaggregation are 23.5% and 14.8%, respectively. Also the uncertainty in peak discharge due to the uncertainty in the temporal and spatial distribution can be significantly dominant over the uncertainty due to the uncertainty in the magnitude of the precipitation. So that for forecast subperiod equal to six and membership function of precipitation magnitude equal to zero، the uncertainty in peak discharge due to the temporal and spatial distribution and the magnitude of precipitation are 17.7% and 16%, respectively. Therefore using space- and time-averaged precipitation over the basin may lead to erroneous forecasts.