ارزیابی روش‌های تلفات باران در شبیه سازی هیدروگراف سیل(مطالعه موردی : حوضه آبریز کسیلیان)

نوع مقاله : مقالات پژوهشی

نویسندگان

1 دانشگاه صنعتی جندی شاپور

2 دانشگاه شهید چمران اهواز

چکیده

چکیده
هدف از تحقیق جاری ارزیابی روش‌های تلفاتی است که بر حجم رواناب و شکل آبنمود تولیدی ناشی از مدل‌های هیدرولوژیکی موثر می‌باشد. در این تحقیق با اعمال روش‌های تلفات پیوسته با نرخ ثابت (شاخص φ)، تلفات اولیه- پیوسته با نرخ ثابت، تلفات نسبی و SCS در مدل باران-رواناب کلارک، آبنمود‌های خروجی ناشی از 24 واقعه رگباری از حوضه آبریز کسیلیان محاسبه گردید. سپس ویژگی‌های آبنمود‌های محاسبه شده شامل دبی اوج، حجم رواناب و زمان اوج با همین ویژگی‌ها از آبنمودهای متناظر مشاهده شده، مورد مقایسه و تحلیل آماری قرارگرفتند. ارزیابی آماری تأثیر روش‌های تلفات مذکور بر ویژگی‌های آبنمود‌های خروجی با آماره‌های متوسط خطای نسبی پیش بینی، شیب خط برازش، ضریب تعیین (R2) و متوسط جذر میانگین مربعات خطا، به ترتیب منجر به نتایج برتری نسبی روش SCS، اولیه-پیوسته با نرخ ثابت، پیوسته با نرخ ثابت و نسبی گردید.

واژه‌های کلیدی: روش‌های تلفات باران، کسیلیان، هیدروگراف سیل، کلارک

عنوان مقاله [English]

Evaluation of Loss Methods to Simulate flood events (Case study: Kasilian Basin)

نویسندگان [English]

  • H. Seyed Kaboli 1
  • A.M. Akhondali 2
1 Ahvaz
2 Ahvaz
چکیده [English]

Abstract
The aim of this study, is to evaluate the effect of loss methods application on run-off volume and hydrograph shape used by hydrologic models. In this research, four loss methods including constant loss (φ index), initial loss-loss rate, SCS and constant fraction approach were applied to be evaluated. To do this, Clark Rainfall-Runoff model was applied for 24 storm events from kasilain basin. Then, the characteristics of calculated hydrographs were compared with the same characteristics of the same observed hydrographs. The result of statistical analysis showed that methods of SCS, initial loss-loss rate, constant loss (φ index) and constant fraction loss have relative advantage respectively to be used for the mentioned basin.

Key words: Loss methods, Kasilian, Flood Hydrograph, Clark

CAPTCHA Image