当前世界环境

介绍

在建模盆地的降雨过程的同时，应注意，该过程非常非线性和时变。这种水文过程的这种特性表明，通过简单的模型描述它总是一个具有挑战性的任务。实际上，集水区的响应在全年中显示出高的时间变异性，并且这种可变性取决于降雨模式（时间和空间），蒸发，集水特性以及许多其他水文参数。各种研究人员证明了许多水文模型，用于解决这种建模问题。¹人工神经网络越来越多地用于模拟各种水文过程和洪水预报。²还已经进行了许多尝试来应用洪水预测中的模糊模型，^{3、4、5、6所示}阶段放电关系^7、8、9这为降雨径流建模提供了重要的输入。此外，水文过程的固有非线性可以通过基于模糊的规则的系统来建模，如研究人员通过每月水库流入预测所证明的^10.和洪水预测。^11,12,13.概念和物理基础模型正在成功应用于径流模拟。通常用于模拟集水径流模拟的大多数模型都是集成的，概念模型。仿真模型对综合水资源开发管理和相关决策具有重要作用。各种可用的降雨 - 径流模型考虑不同的模型结构。一些最常见的模型是绿色和ampt^14.;合理的^15.;SCS-CN，^16.以及未测量的盆地地貌单元水文曲线(GIUH)。^18,19,20,21许多概念模型代表了整个集水区的物理过程。这样的模型是HBV，^22.萨克拉门托^23.坦克，^24.HEC.^25,26,27和NAMMIKE11。^28,29水文模型的选择一般是基于可用的水文计量数据、水文问题和精度标准。一般情况下，水文模型的参数不能直接从流域特征中获取，因此需要对模型进行标定，以确定参数值。

在本文的降雨径流中，ParkforarPabasinup up ove kota使用Mike11 Nam软件进行了建模。在ARPA盆地中，水资源是过度用品，因此需要立即步骤来开发盆地的水资源，以满足日益增长的水需求。使用降雨和蒸发日常系列研究盆地模拟了径流。模型参数以这样的方式考虑，以便模型模拟从arpabasinwith所需精度的径流。模型校准可以手动或自动算法进行。在手动校准中，模型参数通常通过试验和错误和视觉判断进行调整。

研究区域

Mahanadi河的源头在恰蒂斯加尔邦赖布尔的法尔西雅村附近。Seonath河是Mahanadi的支流，而Seonath河的支流是Arpa河。阿尔帕盆地位于纬度22⁰北纬8度，经度82度⁰05'e。ARPA河的集水区为1681.8公里²起源于印度恰蒂斯加尔邦的比拉斯布尔。阿尔帕河从贝尔甘到比拉普尔很宽。阿尔帕河的河床是沙质的，在某些地方有裸露的岩石。阿尔帕河流域的大部分是红黄壤和红土。在该流域，约60 ~ 62%的地区为红黄壤，35 ~ 45%的地区为红土。其余5 - 10%的盆地有其他土壤，如红色冲积土，红色沙土，黑色和泥炭土。^30.降雨量和研究区域的温度表明从月份到月的最低变化，表明最低温度为11.62^oc，最高为46.35^oC. ARPA盆地的平均降雨是135厘米，盆地的森林面积落在热带森林下。^30.位于Seonanath河上的Arpa盆地(研究区)如图1所示。

描述的南模型

NAM模型^28.在本研究中被用来模拟降雨-径流过程。NAM模型基于水循环，模型中使用的不同参数作为整个流域的平均值。NAM模型结构如图2所示。NAM模型有四个贮存层，即雪(i)、地表(iii)、下区(iv)和地下(iv)，以及三个流动，即坡面流(QOF)、中流(QIF)和地下流(QBF)。该模型既可以单独应用于流域，也可以将大流域划分为小流域，形成网络形式。因此，该模型提供了一个机会来考虑单个子流域或由多个子流域与复杂河流分割的大流域。该模型还能够模拟最常见的人工水文干预措施，如灌溉和地下水抽取。在NAM模式中，输入是降水、潜在蒸发量和温度，输出是径流。模型参数可根据流域特征确定，但模型参数的最终值是在模型标定后确定的。本文采用自动校准和手动校准相结合的方法对参数进行了估计。

图1：ARPA盆地的索引图 点击这里查看图

图：2 NAM模型的基本结构 点击这里查看图

NAM模型具有用于多目标参数校准的优化模块。它使用Shuffled复杂的演化算法。以下4个目标函数的多目标优化方法：

整体卷错误，在观察和模拟径流之间提供了良好的协议，如下：



整体根部意味着方误误差（RMSE），其提供了水文形状的整体协议：



良好达到峰值流动事件的平均RMSE尊重峰值流量，速率和体积



低流量事件的平均RMSE

在哪里，

问_OBS，J.=在时间观察放电我

问_SIM，J.=在时间模拟放电我

N=总时间步长

米_p=峰值流动事件的数量

米_l=低流量事件的数量

N_j=峰值/低流量事件中的时间次数。j

Θ=模型参数集

W_我=加权功能

根据降雨径流模型的应用，可以决定上述目标功能的特定组合。

输入数据

如上一节所述，在NAM模型气象数据中，流流数据是输入。因此，十年每天降雨哥打，哈特加特兰·曼尼亚利。从2000到2009年用于建模的器皿。它观察到在可用时间序列中没有缺少数据。各种研究人员证明了Hymos软件在测地管水文中处理的有用性。^{32,33,34,35,36}使用Hymos软件使用基本地图（盆地边界）和雨量仪定位图的层进行了平均降雨的计算。每台雨量站的Thiessen重量已经被计算为每个站的影响面积除以总盆地的比率。从2000年至2009年的Arpabasin kota站点的放电数据用于降雨径流建模。在使用这些数据的模型的开发之前，检查降雨和径流记录的一致性并使用Hymos软件进行更正。每日ET（蒸发）盆地的数据从水资源部门，Chhattisgarh收集并用于分析。

Mike 11 NAM模型设置

为了模拟Arpa流域的径流，编制了NAM模型输入。模型采用Arpabasin Kota测量站2000 - 2009年10年的日降雨、径流和潜在蒸散量输入数据。在NAM模型的标定过程中，对模型参数进行了微调，以使模拟的径流数据与观测的径流数据达到可接受的匹配。模型定标采用2000 - 2003年的降雨径流数据。在校准过程中，使用NAM模型的自动校准选项进行了模型参数的调整。考虑使用自动校准选项获得的最优参数值，并最终通过试验&误差验证，以确定来自Arpa盆地的径流。校正后，在选定的时间段(2004 - 2009年)对模型进行测试。此外，利用校正和验证结果的模型统计数据验证了模型在径流预测中的有效性。

精度标准

利用确定系数(R)对降雨径流模型的性能进行了评价²），NASH-SUTCLIFFE效率指数（EI）和根均方误差（RMSE）。EI开发，以评估模拟和观察径流之间的良好。当EI值为1IT表示完美的模型。确定系数（R²)的计算公式为:

纳什和苏迪德效率指数^37.给出：

RMSE方法^38.也申请评估Mike11nam。此方法测量计算和观察值之间的错误。RMSE值等于零表示计算和观测值与完美匹配。RMSE是：

在哪里，

问_{OBS =.}在时间观察到流量我数据点数

问obs.=观察到的平均值=

问_SIM=时间模拟流量我

问SIM=模拟流量的平均值

n =数据点的数量

结果与讨论

NAM模型用于在Kota Cauge放电（G / D）的ARPA盆地中的降雨径流建模（G / D），达到1681.8公里²集水区。在这家盆地降雨数据中，三个雨量站，即kota，khtghat和maniyari。使用可用的雨量仪表的信息，已经准备好了Thiessen Polygon Map。在三个雨量表中，KOTA是覆盖最大面积的最大影响站。表1中给出了与其代表区成比例的雨量表站的重量。

表1:雨量站的Thiessen权重

S.。	雨量站	权重
1。	kota.	0.4
2。	Khtghat	0.3
3。	Maniyari.	0.3

模型校准

我们选择的校准是水平的目标。水平校准的水平首要的目的是因为综合水资源开发和管理，考虑了Thearpa盆地的水可用性。

在校准期间，通过NAM模型的自动校准选项估计了最佳模型参数，并手动微调。参数的最终值用于NAM模型以估计arpabasin的径流。从2000年到2004年使用每日时间序列数据进行校准模型。为了清楚地说明校准过程中的模型结果，只有一年的数据绘制。图3表示模拟和观察的径流在2003-04期间校准期间显示出良好的匹配。图4Presents累计的观察和模拟径流，并表示校准期间非常好的匹配。降雨的性质通常表示集水区内的降雨分布的空间变化，它对降雨径流模型校准直接影响。

图3：模拟和观察到2003-04期间的径流（校准结果） 点击这里查看图

图4:2003-04年度模拟及观测的累积径流(校正结果) 点击这里查看图

模型验证

模型的验证意味着开发的模型不仅可以在校准数据周期中适当地应用，而且可以在另一个时间段内应用。在该研究中，从校准过程获得有效的模型参数。

从2005年到2009年的日常时间序列数据已被用于模型检查I.E.对于模型验证。每日径流使用2005年至2009年的降雨模拟。图5在2005-2006期间介绍了计算的每日润发途径。观察和模拟的累积径流图（图6）表示开发的模型能够定义所选池的径流生成过程。

图5：2005-06期间模拟和观察径流（验证结果） 点击这里查看图

图6:2005-06年期间模拟和观测的累积径流 （验证结果） 点击这里查看图

精度标准

由培养的Mike11.nam模型的准确性得到了测定系数和ei的评估。本研究中获得的效率指数（EI）为0.63的校准和0.61的验证（表2）。在校准期间获得测定系数和0.73的验证。计算根均方误差（RMSE）以确定Mike 11nam模型的准确性，该准确性在观察和计算的径流之间定义绝对误差。在该研究中，在校准中获得RMSE值和27.13的验证。NS效率指数，RMSE和确定系数的值表明观察到和模拟的径流非常一致。模型能够捕获大多数PEEK流动，特别是在验证期间，然而在校准期间，开发模型未正确捕获一些峰值流。数据输入中的不确定性可能是其中的原因之一。已经观察到，该模型能够在6月中旬至9月中旬（季风季节）的时期更准确地捕获流动文字，而季风普通话和季风模拟显示与观察到的流动的差异。然而，该模型提供了累积的观察和模拟径流的良好匹配，其提供了对盆中的总水可用性的非常好的估计。

表2:MIKE 11 NAM模型的性能

模型性能指标	不结盟运动模型校准	不结盟运动模型验证
确定系数	0.76	0.73
均方根误差	22.74	27.13
NS效率指数	0.63	0.61
水平	2.23	-7.14

结论

对Seonath河Arpa流域进行径流估算，以期为水文分析、水资源开发和管理提供依据，并解决水资源共享问题。在本研究中，利用MIKE11NAM成功地模拟了降雨径流。在校准和验证过程中获得了可接受的结果²，ei，Rmse和水平衡值。本研究表明了Nammike11在日常径流模拟中的有用性。此外，开发的模型也可用于为未来情景产生径流系列，从而为用于管理水资源的决策支持系统。

致谢

作者感谢美国国立卫生研究院院长提供的支持。美国国立卫生研究院的资助得到正式承认。

的利益冲突

作者宣称没有利益冲突。

参考文献

1. Agarwal，A.，Lohani，A.K.，Singh，R.D.，Kasiviswanathan，K.S.径向基础人工神经网络模型与比较表现。中国印度水资源社会杂志。2013; 33（4）：1-8。
2. 利用统计和人工神经网络技术在Mahanadi流域下游流域开发洪水预报系统。印度,水资源与防护杂志（JWARP）.2010。2（10）：880-887。
   十字架
3. Kar A.K.，Lohani A.K.，Goel，N.K.，Roy G.P.利用多标准决策分析及较低的Mahanadi河流域雨量预测雨量网设计，印度水文学杂志:区域研究.2015。4(乙方):313 - 332。
   十字架
4. 印度Mahanadi盆地Hirakud水库下游模糊洪水预报模型的建立。见:沙玛N.(编)河流系统分析与管理。施普林格2017年新加坡。。211 - 218。
   十字架
5. Lohani Ak。，Goel NK。和Bhatia KKS。采用模糊逻辑的实时洪水预测。可持续发展的水文观点，I卷，EDS。M. Perumal，Allied Publishers PVT。新德里有限公司.2005.168-176。
6. Lohani A.K.，Goel N.K.和Bhatia K.K.S.印度中部地区河流河马河的模糊逻辑实时洪水预测系统的开发。在国际创新国际会议和洪水预测技术实施，www.Actif.cc.net/conference2005/proceedings。ACTIF/Floodman/Flood Relief, 10月，挪威特罗姆瑟，2005年。
7. Lohani A.K.，Goel N.K.和Bhatia K.K.S.Takagi-Sugeno模糊推理系统，用于建模阶段放电关系。水文杂志。2006;331：146-160。
   十字架
8. Lohani A.K.goel n.k.Bhatia K.K.S.使用模糊逻辑推导出阶段排出沉积物浓度关系。水文科学 - 期刊．2007;52(4): 793 - 807。
   十字架
9. Lohani A.K.goel n.k.和Bhatia K.K.S.回复Z. SEN关于Takagi-Sugeno模糊系统提供的评论，用于通过A.K建模阶段排放关系。Lohani，N.K.goel和k.k.s.Bhatia。水文杂志.2007;337（1-2）：244-247。
   十字架
10. Lohani，A.K.，Kumar Rakesh，Singh R.D.Hydrology时间序列建模：自适应神经模糊，神经网络和自动回归技术的比较．中国水文杂志CHINESEVIER.2012;442-443（6），23-35。
    十字架
11. Lohani，A.K.，Goel，N.K.，Bhatia，K.K.S.利用基于模糊规则的方法降雨 - 径流建模。国际水，环境，能源和社会（Wees）会议。水文和液压建模．2009;I：257-263。
12. Lohani，A.K.，Goel，N.K.，Bhatia，K.K.S.不同输入域下日雨径流建模中神经网络，模糊逻辑和线性传递函数技术的比较研究。水文过程.2011;25：175-193。
    十字架
13. Lohani A.K，Goel N.K.和Bhatia K.K.S.采用模糊推理系统改善实时洪水预测。水文杂志．2014;509(13): 25-41。
    十字架
14. 绿色w.h.，amptg.a。土壤物理研究。1.空气和水流通过土壤。农业科学杂志．1911;4：1-24。
15. 麦克弗森M.B.关于风暴排水设计理性方法的一些说明，Tech.memo。No.6。剑桥哈佛大学水资源研究计划。1969年。
16. 梅德门特D.R.水文手册，第1版。纽约。McGraw Hill, Inc .， 1993;3-19。
17. Chatterjee C.，JHA R.，Lohani A.K.，Kumar R.，Singh R.使用降雨径流数据估计盆地的SCS曲线数，水利学报．2002;8（1）：40-49。
    十字架
18. 刘志强，刘志强，刘志强，刘志强。基于gis的流域Clark模型的敏感性分析。水资源管理杂志2002年，荷兰;16:263 - 278。
    十字架
19. 基于GIS和GIUH Nash模型的流域洪水估算，亚太遥感和GIS杂志，2003;15：11-20。
20. Kumar R.，Chatterjee C，Singh R.D.，Singh R.D.，Lohani A.K.，Kumar S.，基于Giuh的Clark和Nash模型，用于径向盆地的径流估计及其不确定性分析。国际河流域管理杂志．2004;2（4）：1-11。
    十字架
21. Kumar R.，Chatterjee C，Singh R.D.，Singh R.D.，Lohani A.K.，Kumar S.使用地貌瞬时单元水文编号（GIUH）模型的未凝固集水区的径流估计。水文过程．2007;21：1829-1840。
    十字架
22. 伯格斯特罗姆S.HBV模型。流域水文的计算机模型。水资源出版物Colorado.1995;443 - 476。
23. Burnash R.J.C.NWS河预测系统集水区建模。流域水文的计算机模型。水资源出版物Colorado.1995;311-366。
24. Sugawara M. Tank模型。流域水文计算机模型，水资源出版物，科罗拉多州。1995年;165-214。
25. 张志强，张志强，张志强，等。HEC-1包与Nash模型响应的比较研究。水文学杂志，2001. 24（3）。
26. 王志强，王志强，王志强，等。基于HEC-1包和Nash模型的流域直接地表径流曲线估算工程学机构杂志（印度）．土木工程师2002;82：181-185。
27. Lohani A.K.， Singh R.， Srinivas B.利用地理信息系统支持的HEC1对Clark单位水文曲线的优化，工程师机构（印度）。土木工程师。2003;83：252-258。
28. 刘志强，刘志强，雨-径流过程的数值模拟。北欧二聚水分子。1973;4：171-190。
    十字架
29. 一种广义河流建模软件包。流域水文的计算机模型，水资源出版物，科罗拉多，1995;733 - 782。
30. BHAT S. J.A，Maqbool Geelani S.，Haqs，Hanifa Geelani S.关于Chhattisgarh的Arpa河流域周围的森林类型研究。植物科学研究．2013;29（1）：69-71。
31. 河流和频道的建模系统 - 参考手册11，DHI，丹麦。2017年。
32. Lohani A.K.水文数据收集加工和分析，报告No.SR-27，国家水文研究所，罗基。1993年。
33. Lohani A.K.，Chowdhary H，Singh R.D。使用GIS的Hymos用于地表水数据处理，空间信息技术遥感和地理信息系统，BS出版物，海德拉巴，印度。2000年。
34. 张志强，张志强，张志强。基于计算机的地表水数据处理技术与工具，信息技术对生活质量的影响——未来策略。第十六届会议的程序^TH.全国计算机工程师公约，工程研究所（印度）比哈尔州中心。2001;12月15日至16日：137-143。
35. Lohani A.K.，Singh，R.D.Kumar R. Hymos用于处理仪表和放电数据的应用。建立水资源数据处理及数据存储中心的研讨会，2004年2月17日至19日，国家水资源局，政府组织。Uttar Pradesh，Lucknow2004;73-84。
36. Lohani a.k.， Singh, r.d.， Kumar R.使用HYMOS处理降雨数据，建立水资源数据处理和数据存储中心研讨会，2004年2月17-19日，北方邦政府国家水资源局，勒克诺2004;85 - 91。
37. Nash，J. E.，Sutcliffe，J.V. V.河流流量通过概念模型预测。第1部分，关于校长的讨论。水文杂志．1970. 10：282-290。
    十字架
38. 水文学的计算机模拟技术。纽约：elessvier.1975;18-53。