دانلود ترجمه مقاله معیار عملکردی منطقی برای مدل هیدرولوژیکی
عنوان فارسی |
یک معیار عملکردی منطقی برای مدل هیدرولوژیکی |
عنوان انگلیسی |
A rational performance criterion for hydrological model |
کلمات کلیدی : |
  بازده نش-سوتکلیف؛ بازده کلینگ-گوپتا؛ ضابطه عملکردی مدل؛ آماره نمونه گیری؛ مدل هیدرولوژیک |
درسهای مرتبط | مهندسی آب |
تعداد صفحات مقاله انگلیسی : 15 | نشریه : ELSEVIER |
سال انتشار : 2020 | تعداد رفرنس مقاله : 54 |
فرمت مقاله انگلیسی : PDF | نوع مقاله : ISI |
پاورپوینت :
ندارد سفارش پاورپوینت این مقاله |
وضعیت ترجمه مقاله : انجام شده و با خرید بسته می توانید فایل ترجمه را دانلود کنید |
1. مقدمه 2. چهارچوب نظری 3. مطالعه موردی 4. نتایج و بحث و بررسی 5. خلاصه
چکیده – ضوابط عملکردی برای شناسایی مدل هیدرولوژیک یا تخمین پارامترهای آن، بسیار مهم می باشند. بازده کلینگ-گوپتا (KGE)، که سه مولفه بازده ناش-سوتلیف (NSE) خطاهای مدل (یعنی، همبستگی، سوگیری، نسبت واریانس ها یا ضریب تغییرات) را به نحو متوازن تر ترکیب می کند، کاربرد گسترده ای برای کالیبراسیون و ارزیابی مدلهای هیدرولوژیکی در سالهای اخیر، داشته است. اما، KGE، پیش بینی های مرجع یا شبیه سازی را مدنظر قرار نمی دهد و هنوز تغییرات سری زمانی جریان را هنگام بهینه سازی مقدار آن برای مدل هیدرولوژیکی را «کم برآورد» می کند. در این مطالعه، ضابطه عملکردی دیگری را به صورت یک معیار بازده از طریق فرموله کردن سه موله قبلی NSE، پیشنهاد می دهیم. علاوه بر آن، تابع توزیع ضوابط جدید نیز استخراج شده است تا عدم قطعیت های ضابطه جدید تحلیل شوند، که این از تمایز بین آمار نظری یا جمعیتی و خواص نمونه گیری متناظر آن، حاصل شده است. ضابطه پیشنهادی با کالیبره کردن مدل های هیدرولوژیکی ساعتی abcd و XAJ در داده های مقیاس زمانی ماهانه و ساعتی برای دو مطالعه موردی حوزه آبریز، تست شد. ارزیابی نتایج این مطالعه موردی بوضوح عملکرد مدل کلی بهتر یا مشابه از ضوابط پیشنهادی را نشان دادند. تحلیل عدم قطعیت های ضابطه جدید، براساس تابع احتمال توزیع آن، گویای یک رویکرد معقول برای متمایز سازی بین خواص احتمالاتی و رفتار آمارهای نظری و خواص نمونه گیری نسبتاً متفاوت برآوردها از آن آمارها هنگام مقایسه با داده ها، می باشند.
Performance criteria are essential for hydrological model identification or its parameters estimation. The Kling-Gupta efficiency (KGE), which combines the three components of Nash-Sutcliffe efficiency (NSE) of model errors (i.e. correlation, bias, ratio of variances or coefficients of variation) in a more balanced way, has been widely used for calibration and evaluation hydrological models in recent years. However, the KGE does not take a reference forecasts or simulation into account and still underestimates of variability of flow time series when optimizing its value for hydrological model. In this study, we propose another performance criterion as an efficiency measure through reformulating the previous three components of NSE. Moreover, the distribution function of the new criterion was also derived to analyze uncertainties of the new criterion, which is originated from the distinction between the theoretical or population statistic and its corresponding sampling properties. The proposed criterion was tested by calibrating the “abcd” and XAJ hourly hydrological models at monthly and hourly time scales data for two different case study basins. Evaluation of the results of the case study clearly demonstrates the overall better or comparable model performances from the proposed criterion. The analysis of the uncertainties of the new criterion based on its distribution probability function suggests a rational approach to distinguish between the probabilistic properties and behavior of the theoretical statistics and the rather different sampling properties of estimators of those statistics when computed from data.
این مقاله می تواند برای رشته مهندسی آب مناسب باشد. ترجمه این مقاله در 31 صفحه آماده شده و در ادامه نیز صفحه 23 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.
محتوی بسته دانلودی:
PDF مقاله انگلیسی ورد (WORD) ترجمه مقاله به صورت کاملا مرتب (ترجمه شکل ها و جداول به صورت کاملا مرتب)
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.