مقاله بررسی عدم قطعیت پارامترهای مدل بارش-رواناب WetSpa با استفاده از روش مونت کارلو

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله بررسی عدم قطعیت پارامترهای مدل بارش-رواناب WetSpa با استفاده از روش مونت کارلو دارای ۱۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله بررسی عدم قطعیت پارامترهای مدل بارش-رواناب WetSpa با استفاده از روش مونت کارلو  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله بررسی عدم قطعیت پارامترهای مدل بارش-رواناب WetSpa با استفاده از روش مونت کارلو،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله بررسی عدم قطعیت پارامترهای مدل بارش-رواناب WetSpa با استفاده از روش مونت کارلو :

تعداد صفحات:۱۴
چکیده:
بررسی و کمی کردن عدم قطعیت پارامترهای مدل های بارش- رواناب عمدتاً در دهه اخیر مطرح شده است و در حال حاضر یکی از چالش های مهم هیدرولوژی در سطح مجامع بین المللی به شمار می رود. علیرغم کاربرد آسان اکثر مدل های مفهومی بارش- رواناب، به علت تعداد زیاد پارامترها و عدم وجود درک فیزیکی از آنها، این مدل ها در مرحله واسنجی پارامترها با مشکل مواجه هستند. در تحقیق حاضر عدم قطعیت پارامترهای مدل WetSpa با روش مونت کارلو در حوزه آبخیز گرگانرود، استان گلستان بررسی گردیده است.WetSpa یک مدل توزیعی بر پایه GIS می باشد که در مقیاس حوزه عمل کرده و برای پیشی بینی سیلاب و مدیریت حوزه آبخیز توسعه یافته است. مدل فیزیکی بوده و قادراست فرایندهای هیدرولوژیکی را به طور پیوسته در زمان و مکان شبیه سازی نموده و تعادل آب و انرژی را در هر سلول رستری برقرار نماید. عمده عدم قطعیت شبیه سازی مدل ها، ناشی از ساختار مدل و عدم تعریف صحیح پارامترها می باشد. بنابراین برای پیش بینی صحیح رواناب، عدم قطعیت پارامترها و به طبع عدم قطعیت پیش بینی ها باید مد نظر قرار گرفته شود. بکارگیری روش مونت کارلو برای تحلیل عدم قطعیت پارامترها منجر به تعیین محدوده مناسب تغییرات پارامترها گردید. نتایج حاکی از این بودند که فاکتور تصحیح تبخیر و تعرق (Kep) کوتاهترین دامنه را دارا بوده و در نتیجه از حساسیت بالایی برخوردار است. در حالیکه فاکتور آب زیرزمینی اولیه (go) و ضریب روز- درجه بارش (Krain)،دارای بیشترین عدم قطعیت می باشند و از حساسیت کمی برخوردارند.