TY - JOUR T1 - Uncertainty Estimation of HEC-HMS Flood Simulation Model using Markov Chain Monte Carlo Algorithm TT - تخمین عدم قطعیت مدل شبیه سازی سیلاب HEC-HMS با استفاده از الگوریتم مونت کارلو زنجیره مارکوف JF - jwmr JO - jwmr VL - 8 IS - 15 UR - http://jwmr.sanru.ac.ir/article-1-859-fa.html Y1 - 2017 SP - 235 EP - 249 KW - DREAM-ZS Algorithm KW - HEC-HMS KW - Nelder and Mead Algorithm KW - Tamar watershed KW - Uncertainty N2 - مدل­های هیدرولوژیکی اغلب شامل پارامترهایی هستند که به­طور مستقیم نمی­توانند اندازه­گیری شوند. تخمین پارامترها توسط روش­ها و الگوریتم­های مختلف بهینه­سازی هم با خطا همراه است. بنابراین تجزیه و تحلیل عدم قطعیت امری ضروری به­شمار می­آید. در تحقیق حاضر از الگوریتم DREAM-ZS (از الگوریتم­های مبتنی بر مونت کارلو زنجیره مارکوف) به­منظور بررسی عدم قطعیت پارامترهای مدل­هیدرولوژیکی HEC-HMS در حوزه­ آبخیز تمر به مساحت 1530 کیلومتر­مربع واقع در استان گلستان استفاده شد. به منظور ارزیابی عدم قطعیت 24 پارامتر بکار رفته درمدل HEC-HMS، سه رویداد سیل برای واسنجی و یک رویداد سیل در اعتباریابی استفاده گردید. نتایج حاصل از واسنجی نشان داد که بازه­های 95 درصد عدم قطعیت کل، بیشتر داده­های مشاهده­ای بویژه دبی اوج را در برگرفتند. همچنین علاوه بر عدم قطعیت ناشی از پارامترهای مدل بارش رواناب، منابع دیگر عدم قطعیت مانند ساختار مدل و داده­های ورودی هم سهم مهمی در خطای شبیه­سازی دارند. با مشاهده مقادیر پایین ضریب تغییرات برای پارامتر CN (شماره منحنی) در تمامی سیلاب­ها، این پارامتر به­عنوان حساس­ترین پارامتر به­حساب آمد. هیستوگرام­های پسین پارامترها نشان داد که بیشتر پارامترها به­خوبی تعیین شده­اند و ناحیه کوچکی از توزیع­های یکنواخت پیشین را اشغال می­کنند. همچنین بهترین شبیه­سازی حاصل از اجرای الگوریتم عدم قطعیت DREAM-ZS آشکارا بر شبیه سازی حاصل از الگوریتم جستجوی خودکار نلدر و مید برتری داشت. M3 10.29252/jwmr.8.15.235 ER -