تحلیل عدم قطعیت و تولید آماری الگوی رگبار

نویسندگان

چکیده

الگوی رگبار از مهمترین متغیرهای تصادفی ورودی به مدل‌های بارش- رواناب است. الگوی رگبار در برگیرنده مدت رگبار،‏ عمق بارش و نوسانات زمانی رگبار د مدت ررخداد آن است. شناسایی دقیق متغیرها‏ی تأثیرگذار بر الگوی رگبار و بررسی عدم قطعیت‏های آن‌ها و در نهایت تحلیل این عدم قطعیت‌ها،‏ کمک سودمندی در راستای تحلیل عدم قطعیت سیلاب می‏باشد. در این مقاله با تلفیق مدل پردازشگر اطلاعات (RDP)‎ و مدل تولید کننده الگوی بارش (RPG)‎،‏ رفتار تصادفی الگوی رگبار در حوضه آبریز سیمره ارزیابی شده و الگوی رگبار با دقت مناسبی تولید شد. با مشاهده نتایج حاصل از مقایسه الگوهای بارش مشاهداتی و تولیدی توسط مدل RPG،‏ مشخص شد،‏ ?? درصد مدت رگبارهای مشاهداتی و ?? درصد گام‌های زمانی الگوی رگبار مشاهداتی در باند معنی‌دار الگوی رگبارهای تولیدی توسط مدل RPG قرار دارد. از این‏رو مدل RPG در تولید الگوی رگبار دقت لازم را دارد و در شبیه‌سازی سیلاب،‏ استفاده از الگوهای بارش تولیدی توسط این مدل به جای الگوهای تیپ SCS،‏ سبب افزایش دقت در شبیه‌سازی سیلاب می‏شود. همچنین الگوی رگبار در وقایع با عمق بارش کمتر و مدت بیشتر دارای عدم ‏قطعیت کمتری دارند.

کلیدواژه‌ها


عنوان مقاله [English]

Uncertainty analysis and statistical generation of storm pattern in Seymareh catchment

نویسندگان [English]

  • a sh
  • b z
چکیده [English]

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.

کلیدواژه‌ها [English]

  • Monte Carlo-RPG-Uncertainty.-Duration-Storm pattern-RDP-