Efficient number of calibrated cross sections bottom levels on a hydrodynamic model using the SCE-UA algorithm : case study : Madeira River

Abstract

Hydrodynamic models are important tools for simulating river water level and flow. A considerable fraction of the hydrodynamic model errors are related to parameters uncertainties. As cross sections bottom levels considerably affect water level simulation, this parameter has to be well estimated for flood studies. Automatic calibration performance and processing time depend on the search space dimension, which is related to the number of calibrated parameters. This paper shows the application of the Shuffled Complex Evolution (SCE-UA) optimization algorithm to assess the number of cross sections bottom levels used in calibration. Also was evaluated the extent of algorithm exploration regarding computational processing time and accuracy. It was tested the calibration of 2, 4, 7 and 10 cross sections bottom levels (2PAR, 4PAR, 7PAR and 10PAR calibration configurations) of a 1,100 km reach of the Madeira River. 7PAR and 10PAR representation had better fitness (lower objective function value) on cross sections used for calibration; however, the error on other cross sections (2 validation gauging stations) was higher than 2PAR and 4PAR calibration. The short number (5) of gauging stations used in calibration has limited the number of calibrated parameters to represent adequately the river level profile. Finally, this paper shows a contribution for the parsimonious selection of parameters regarding the spatial distribution of observation sites used in calibration.

Modelos hidrodinâmicos são ferramentas importantes para simular nível e vazão de rio. Uma fração considerável dos erros do modelo hidrodinâmico está relacionada com as incertezas dos parâmetros. Como a cota do fundo nas seções transversais afetam significativamente a simulação do nível d’água, esse parâmetro deve ser bem estimado para estudos de inundação. O desempenho da calibração automática e seu tempo de processamento dependem da dimensão do espaço de busca, que está relacionada com o número de parâmetros calibráveis. Este artigo utiliza o algoritmo de otimização Shuffled Complex Evolution (SCE-UA) para avaliar o número de cotas de fundo de rio calibráveis e o nível de exploração do algoritmo observando o tempo de processamento computacional e a precisão do método. Foram testadas calibrações de 2, 4, 7 e 10 cotas de fundo de seções transversais (configurações de calibração 2PAR, 4PAR, 7PAR e 10PAR) em um trecho de 1.100 km do Rio Madeira. 7PAR e 10PAR apresentaram melhor aptidão (menor valor de função-objetivo) em seções usadas na calibração; no entanto, o erro em diferentes seções (2 estações fluviométricas de validação) foi maior do que as configurações 2PAR e 4PAR. O pequeno número (5) de estações fluviométricas utilizadas na calibração limitou o número de parâmetros calibráveis para representar adequadamente o perfil longitudinal de nível do rio. Por fim, este trabalho contribuiu para a seleção parcimoniosa de parâmetros calibráveis observando à distribuição espacial das observações utilizadas na calibração.