برآورد و مقایسه حداکثر سیلاب محتمل ورودی به سد لتیان با استفاده از تئوری بیزین و مدل HEC-HMS

نوع مقاله : مقاله پژوهشی

نویسندگان

دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران.

10.22059/jwim.2024.368218.1115

چکیده

در راستای مدیریت کارآمد حوضه آبریز، بررسی رویداد حدی سیل به‌دلیل فراوانی بالا و ایجاد خسارت‌های جانی و مالی اهمیت ویژه­ای دارد. از طرفی با توجه‌ به بحران آبی و مدیریت سیلاب در مصارف کشاورزی، بررسی سیل امری ضروری است، بنابراین در این پژوهش به برآورد حداکثر سیلاب محتمل (PMF) حوضه آبریز سد لتیان با استفاده از تئوری بیزین و مدل HEC-HMS پرداخته شده است. در این راستا در گام نخست، بیش‌ترین بارش محتمل (PMP) حوضه آبریز با به‌کارگیری آمار 70 ساله محاسبه شده است. سپس با استفاده از تئوری بیزین، به‌عنوان مدلی تصادفی، حداکثر سیلاب حوضه با بررسی پنج مقدار گسسته ضریب تغییرات و چهار سناریوی دبی حداکثر سالیانه، حداکثر فراز روزانه، حداکثر سالیانه و لحظه‌ای، حداکثر فراز روزانه و لحظه‌ای تعیین شد. در گام دوم پژوهش نیز مدل HEC-HMS حوضه آبریز سد لتیان ایجادشده و با اعمال PMP محاسبه‌شده، PMF حوضه تعیین شد. پس از بررسی نتایج با توجه به مقادیر خطا، ضریب تغییرات 4/0 درنظر گرفته شد و دو سناریو حداکثر فراز روزانه و حداکثر فراز روزانه با سیلاب لحظه­ای به‌عنوان سناریوهای منتخب انتخاب شدند که میانگین برآورد پسین آن­ها به‌ترتیب 1532 و 1577 مترمکعب بر ثانیه می باشد. نتایج مدل HEC-HMS نیز حاکی از آن است که مقدار PMF حوضه آبریز سد لتیان 1025 متر­مکعب بر ثانیه می­باشد که 34 درصد کم‌تر از مقدار محاسبه‌شده با استفاده از تئوری بیزین است. براساس نتایج با توجه به داده­های موجود در منطقه موردمطالعه، استفاده از تئوری بیزین نتایج بهتری ارائه می­دهد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Estimation and comparison of the probable maximum flood entering the Latian dam using bayesian theory and HEC-HMS model

نویسندگان [English]

  • Ahmad Agheshloui
  • Mojtaba Shourian
  • Amir Alizadeh Fard
Department of Water Resources Engineering, Faculty of Civil, Water and Environmental Engineering, Shahid Beheshti University, Tehran, Iran.
چکیده [English]

In the pursuit of efficient drainage basin management, examining the extreme event of flooding due to its high frequency and resulting life and financial damages holds particular significance. Considering the water crisis and flood management in agricultural usage, investigating floods becomes imperative. Therefore, this research focuses on estimating the probable maximum flood (PMF) of the Latyan Dam drainage basin using Bayesian theory and HEC-HMS models. Initially, the probability maximum precipitation (PMP) of the drainage basin was calculated using a 70-year statistical dataset. Subsequently, employing the Bayesian theory as a stochastic model, the maximum drainage basin flood was determined by examining five discrete values of coefficient of variation and four flood scenarios of annual maximum, daily maximum, annual and instantaneous maximum, daily and instantaneous maximum. In the second phase of the study, an HEC-HMS model for the Latyan Dam drainage basin was developed, and by applying the PMP, the drainage basin's peak flow was determined. Considering error values, a coefficient of variation of 0.4 was adopted. Two scenarios emerged as selected options: daily maximum and daily and instantaneous maximum flooding, with their respective posterior estimates averaging at 1532 and 1577 m3/s. The HEC-HMS model results indicated a drainage basin peak flow of 1025 m3/s, 34 percent lower than the Bayesian theory's calculated value. Based on these outcomes and the available regional data, the Bayesian theory demonstrates superior results in this particular study area. 

کلیدواژه‌ها [English]

  • Bayesian theory
  • HEC-HMS model
  • Latyan Dam
  • Probable maximum flood (PMF)

مراجع

  1. simulations using multiple climate models. Journal of Hydrology, 574, 1110-1128.
  2. Biondi, D., & De Luca, D. L. (2012). A Bayesian approach for real-time flood forecasting. Physics and Chemistry of the Earth, Parts A/B/C, 42, 91-97.
  3. Dawdy, D. R., & Lettenmaier, D. P. (1987). Initiative for risk-based flood design. Journal of Hydraulic Engineering, 113(8), 1041-1051.
  4. Fernandes, W., Naghettini, M., & Loschi, R. (2010). A Bayesian approach for estimating extreme flood probabilities with upper-bounded distribution functions. Stochastic Environmental Research and Risk Assessment, 24, 1127-1143.
  5. Geweke, J., & Tanizaki, H. (2001). Bayesian estimation of state-space models using the Metropolis–Hastings algorithm within Gibbs sampling. Computational statistics & data analysis, 37(2), 151-170.
  6. Hashemyan, F., Khaleghi, M. R., & Kamyar, M. (2015). Combination of HEC-HMS and HEC-RAS models in GIS in order to Simulate Flood (Case study: Khoshke Rudan river in Fars province, Iran). Research Journal of Recent Sciences, 4(8), 122-127.
  7. Janicka, E., & Kanclerz, J. (2023). Assessing the Effects of Urbanization on Water Flow and Flood Events Using the HEC-HMS Model in the Wirynka River Catchment, Poland. Water, 15(1), 86.
  8. Kabeja, C., Li, R., Guo, J., Rwatangabo, D. E. R., Manyifika, M., Gao, Z., ... & Zhang, Y. (2020). The impact of reforestation induced land cover change (1990–2017) on flood peak discharge using hec-hms hydrological model and satellite observations: a study in two mountain basins, china. Water, 12(5), 1347.
  9. Kavetski, D., Kuczera, G., & Franks, S. W. (2006). Bayesian analysis of input uncertainty in hydrological modeling: 2. Application. Water resources research, 42(3).
  10. Kim, S. J., Kim, G. T., Jeong, J. H., & Han, S. O. (2013). Flood inundation scenario development and analysis using HEC-HMS/RAS and HEC-GeoRAS models. Journal of the Korean Society of Hazard Mitigation, 13(4), 199-206.
  11. Kottegoda, N. T., & Rosso, R. (2008). Applied statistics for civil and environmental engineers.
  12. Naghettini, M. (2017). Fundamentals of statistical hydrology.
  13. Affairs of the country's technical and executive system of the office of standards and projects of water and water supply. (2015). Methods for calculating maximum probable precipitation (PMP) and depth, area, duration curves of precipitation (DAD). Regulation No. 716. (in persian).
  14. Ossandón, Á., Brunner, M. I., Rajagopalan, B., & Kleiber, W. (2022). A space–time Bayesian hierarchical modeling framework for projection of seasonal maximum streamflow. Hydrology and Earth System Sciences, 26(1), 149-166.
  15. Pechlivanidis, I. G., Jackson, B. M., Mcintyre, N. R., & Wheater, H. S. (2011). Catchment scale hydrological modelling: a review of model types, calibration approaches and uncertainty analysis methods in the context of recent developments in technology and applications. Global NEST journal, 13(3), 193-214.
  16. Pistocchi, A., & Mazzoli, P. (2002). Use of HEC-RAS and HEC-HMS models with ArcView for hydrologic risk management. 1st International Congress on Environmental Modelling and Software - Lugano, Switzerland - June 2002.
  17. Ros, F. C., Sidek, L. M., Ibrahim, N. N. N., & Razad, A. A. (2008, October). Probable maximum flood (PMF) for the Kenyir Catchment, Malaysia. In International conference on construction and building technology, 31, 325-334.
  18. Te Chow, V., Maidment, D. R., & Mays, L. W. (1988). Applied hydrology.
  19. Thakur, B., Parajuli, R., Kalra, A., Ahmad, S., & Gupta, R. (2017, May). Coupling HEC-RAS and HEC-HMS in precipitation runoff modelling and evaluating flood plain inundation map. In World Environmental and Water Resources Congress, 240-251.
مدیریت آب و آبیاری
دوره 14، شماره 1
فروردین 1403
صفحه 234-248

فایل ها

هم رسانی

ارجاع به این مقاله

آمار