Parameter Estimation of Two Improved Nonlinear Muskingum Models Considering the Lateral Flow Using a Hybrid Algorithm

Estimación Del Tránsito De Avenidas Empleando El Método De Muskingum en La Estación El Tambo De La Cuenca Chicama, Perú

“…Otro aspecto relevante y que no se consideró en esta investigación fue el de evaluar los aportes hídricos hacia la zona de la estación hidrométrica sobre todo cuando se desee estimar eventos extremos con posibles inundaciones (Abbes & Meddi, 2016;Arriola et al, 2020), pues es necesario la aplicación de algún modelo hidrológico del tipo lluvia-descarga con mayor cantidad de estaciones hidrométricas en la cuenca, ya que diversas investigaciones actuales indican que se requieren enfoques y modelos más rigurosos para mejorar la precisión computacional del proceso de calibración aplicando el método de Muskingum (Niazkar & Afzali, 2016); igualmente se debe tener en cuenta la contribución de flujo lateral distribuido uniformemente a lo largo del tramo de estudio (Yadav et al, 2015;Karahan et al, 2015;Kang et al, 2017;Ayvaz & Gurarslan, 2017;Gąsiorowski & Szymkiewicz, 2020), el cual no fue evaluado debido a que no se contó con mediciones in situ como las aplicadas por la investigación de Barbetta et al (2017).…”

“…Las diversas investigaciones sobre el tránsito de avenidas indican que por medio de este proceso se puede saber los procesos hidrológicos que ocurren en una cuenca y se pueda prevenir futuras inundaciones (Abbes & Meddi, 2016;Zang et al, 2020), también permite determinar un hidrograma de salida empleando por ejemplo el método de Muskingum (Bhuyan et al, 2015), pues a pesar de que el método tenga más de 75 años sigue siendo un tema de interés para la investigación en la hidrología (Gąsiorowski & Szymkiewicz, 2018), así mismo permite estudiar el movimiento de las olas de crecidas y propagación en ríos (Yadav et al, 2015;Reggiani et al, 2016;Yang et al, 2019) inclusive hasta la incorporación de más parámetros al ya establecido por el propio método (Moghaddam et al, 2016) que comúnmente se calibra en base a modelos no lineales (Haddad et al, 2015;Kang et al, 2017) y con la inclusión de más ecuaciones de almacenamiento optimizadas a partir del método de Muskingum original (Bozorg et al, 2019). De igual forma a este modelo se pueden agregar aportes del flujo lateral (Karahan et al, 2015;Ayvaz & Guraslan, 2017), con mayor cantidad de parámetros como los de tipo exponencial (Zhang, Kang et al, 2017;Niazkar & Afzali, 2017;Gąsiorowski & Szymkiewicz, 2020) y con aplicación de algoritmos (Khalifeh et al, 2020) que optimizan mejor el tránsito contínuo mejorando el modelo original (Vatankhah, 2017) y con otras variantes basadas en criterios hidrodinámicos (Perumal et al, 2017), a pesar de ello la estimación de los parámetros del tránsito de avenidas es todo un reto sobre todo durante la secuencia de diferentes períodos de inundaciones (Afzali, 2016), en el proceso de calibración con datos hidrométricos de campo (Niazkar & Afzali, 2016;Barbetta et al, 2017;Bozorg et al, 2020), con cuantificadores de datos a nivel de cuenca (Farahani et al, 2019) como el tiempo de concentración y el volumen de almacenamiento (Yoo et al, 2017), sin embargo los modelos actuales tienden a la aplicación de ecuaciones unidimensionales y métodos numéricos que describen con mejores estimaciones el movimiento del tránsito del flujo como las aplicaciones de…”

Estimation of the Interaction Between Groundwater and Surface Water Based on Flow Routing Using an Improved Nonlinear Muskingum-Cunge Method

“…There had been many discussions in literature on the optimal parameter estimation method (Kang et al, 2017;Karahan et al, 2015), but there is a lack of discussion in the influence of parameter change on model results. Parameter sensitivity analysis conducted in this study revealed several conclusions: 1) parameter m has the greatest influence on the simulation results, when m is small, the fluctuation of outflow hydrograph will increase significantly; 2) the second sensitive parameters are x and  in NMCL2 method, which have big influence on the simulation results; 3) parameter K is less sensitive, but when it is small enough, it will also have a huge impact on simulation results; and 4) the parameter e and  in NMCL1 method is the least sensitive one, the change of parameter e will lead to the linear correlation between the change of outflow and exchange volume.…”

“…Ayvaz and Gurarslan (2017) considered lateral flow and partitioned the inflow hydrograph into different sub-regions with sub-region dependent parameters. Kang et al (2017) included lateral inflow in the MC method and divided the inflow range into several levels for parameter calculation. Barbetta et al (2017) extended the variableparameter Muskingum stage hydrograph routing method (Perumal et al, 2010) by enabling the streamflow assessment with significant lateral inflow along the river reach.…”

Identification of Parameters Influencing the Accuracy of the Solution of the Nonlinear Muskingum Equation

“…For this reason, hydrologists have tried to improve it. Consequently, nonlinear forms of the Muskingum equation were developed (Gill 1978;Tung 1985;Singh and Scarlatos 1987;Hirpurkar and Ghare 2015;Kang et al 2017;Bozorg-Haddad et al 2019). Instead of the linear formula relating to storage, inflow and outflow proposed by McCarthy (1938), the storage equation has been completed by a priori assuming the nonlinear relation leading to the following equation:…”