Iranian Jornal of Watershed Management Science&Engineering

fa ارزیابی کارایی مدل تلفیقی خوشه بندی زمانی بارش و پیش بینی اقلیمی در برآورد آبدهی ماهانه Evaluating the Effectiveness of the Integrated Model of Precipitation Time Clustering and Climate Forecasting in Estimating Monthly Flow تخصصي Special پژوهشي Research <div style="text-align: justify;">بارش یکی از متغیرهایی است که بیشترین تأثیر را بر رواناب دارد. در این مطالعه با استفاده از مدل بارش- رواناب NAM و دادههای گذشته هواشناسی و هیدرولوژی، جریان ورودی سدهای کارون 4، دز، کارون 3، رودبار، سردشت و زایندهرود مدل‌سازی شد. برای تعیین میزان بارش ورودی مدل، مدلهای اقلیمی چندگانه گروهی شمال آمریکا دریافت شد. سپس برای انتخاب بهترین مدل پیشبینی بارش از روش خوشهبندی زمانی بارش و شبکه عصبی مصنوعی با تابع پایه شعاعی استفاده شد. پس از تعیین بارش و پیشبینی آبدهی ورودی به سد برای بررسی عملکرد انتخاب مدل بارش، آبدهی ماهانه پیش‌بینی‌شده با آبدهی ماهانه واقعی مقایسه شد. نتایج نشان داد که بیش از 60 درصد مواقع در سد کارون 4 و سردشت با همکاری بهترین مدل اقلیمی بارش مقادیر آبدهی نزدیک به مشاهدهای پیشبینی شده است. میزان خطای میانگین نرمال شده، ریشه میانگین مجموع مربعات نرمال شده و نش ساتکلیف در سد کارون 4 به ترتیب برابر064/0-، 046/0 و 649/0 محاسبه شده است. نتایج حاصل از این تحقیق اهمیت روش خوشهبندی زمانی بارش برای انتخاب بهترین مدل اقلیمی بارش جهت ارتقاء نتایج آبدهی را نشان میدهد.</div> <div style="text-align: justify;">Rainfall is one of the variables that have the most impact on runoff. In this study, the inflow of Karun 4, Dez, Karun 3, Rudbar, Sardasht and Zayandeh-Roud dams was modeled using the NAM rainfall-runoff model and past meteorological and hydrological data. In order to determine the amount of rainfall input to the model of North America were received. Then, to select the best precipitation forecasting model, precipitation temporal clustering method and artificial neural network with radial basis function were used. After determining the rainfall and predicting the inflow to the dam to check the performance of the rainfall model selection, the predicted monthly inflow was compared with the actual monthly inflow. The results showed that more than 60 percent of the time in Karun 4 and Sardasht dams, with the cooperation of the best climate model, the rainfall values are close to the observed values. The normalized mean error rate, normalized root mean sum of squares and Nash Sutcliffe in Karun Dam 4 are calculated as -0.064, 0.046 and 0.649, respectively. The results of this research show the importance of rainfall time clustering method to choose the best rainfall climate model to improve irrigation results.</div> پیش بینی اقلیمی, RBF, NMME, گروه بندی, پیش بینی آبدهی. Climatic Forecasting, RBF, NMME, Grouping, Discharge Forecast 101 111 http://jwmsei.ir/browse.php?a_code=A-10-1436-1&slc_lang=fa&sid=1 Hamid reza eslami حمید رضا اسلامی hreslami@yahoo.com 100319475328460017613 100319475328460017613 No Pateshgar Tadbir Afzar Company شرکت پایشگر تدبیر افزار (دانش بنیان) و فوق لیسانس منابع آب، دانشکده مهندسی آب، دانشگاه کشاورزی و منابع طبیعی، گرگان، ایران Saeid Jamali سعید جمالی saeed.jamali@gmail.com 100319475328460017614 100319475328460017614 No Islamic Azad University, Central Tehran Branch, Faculty of Civil Engineering and Land Resources دانشگاه آزاد اسلامی واحد تهران مرکزی، دانشکده مهندسی عمران و منابع زمین Masoumeh Eivazi معصومه عیوضی masoomeh.eivazi@gmail.com 100319475328460017615 100319475328460017615 Yes Pateshgar Tadbir Afzar Company شرکت پایشگر تدبیر افزار (دانش بنیان) و فوق لیسانس منابع آب، دانشکده مهندسی آب، دانشگاه کشاورزی و منابع طبیعی، گرگان، ایران Kamyab Eslami کامیاب اسلامی kamy.computer@gmail.com 100319475328460017616 100319475328460017616 No Pateshgar Tadbir Afzar Company شرکت پایشگر تدبیر افزار (دانش بنیان)