ارزیابی مدل مدیریت سیلاب SWMM5.0در شبیه سازی رواناب شهری (مطالعه موردی: حوضه شهری نیشابور)
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 645
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WATER-10-3_006
تاریخ نمایه سازی: 6 خرداد 1399
Abstract:
افزایش شهرنشینی و مناطق نفوذناپذیر درشهرها منجر به رخداد سیلابهای شدیدتر میگردد که نتیجه این امر افزایش مشکلات شهروندان و خسارت اقتصادی میباشد. مدلهای رایانهای میتوانند یک راه حل مناسب برای غلبه بر این مشکلات باشند. اما استفاده از مدلهای هیدرولوژیکی برای شبیهسازی رواناب مستلزم واسنجی مناسب پارامترهای دخیل در روندیابی هیدروگراف میباشد. بنابراین در مطالعه حاضر، مدل مدیریت سیلاب SWMM5.0 برای شبیهسازی مقدار کمی رواناب یک زیرحوضه شهری واقع در شهرستان نیشابور انتخاب گردید. دادههای مورد نیاز از 9 رخداد بارش جمع آوری شد و مدل با استفاده از 6 رخداد واسنجی و با 3 رخداد دیگر ارزیابی گردید. کارایی مدل با استفاده از میانگین ریشه دوم خطای نرمال شده (NRMSE)، راندمان مدل (EFF) و ضریب باقیمانده (CRM) مورد ارزیابی قرار گرفت. نتایج نشان داد که مدل SWMM5.0 می تواند با دقت، شکل هیدروگراف، دبی پیک و زمان رسیدن به دبی پیک را شبیهسازی کند. به طوریکه مقادیر EFF، NRMSE، CRM در مرحله اعتبارسنجی به ترتیب 80 درصد، 4/29 درصد و m3/s 16/0- بدست آمد. به طور کلی میتوان گفت مدل SWMM5.0 میتواند ابزار مدلسازی مفیدی برای شبیهسازی هیدروگراف رواناب شهری باشد. در پایان از مدل ارزیابی شده برای شبیهسازی سیلاب با دوره بازگشتهای 2، 5 و 10 ساله استفاده گردید.
Keywords:
Authors
صدیقه اروند
گروه آب و خاک، دانشکده کشاورزی، دانشگاه صنعتی شاهرود
مهدی دلقندی
استادیار گروه آب وخاک، دانشکده کشاورزی، دانشگاه صنعتی شاهرود
زهرا گنجی نوروزی
آب و خاک، دانشکده کشاورزی، دانشگاه صنعتی شاهرود، شاهرود، ایران
اکبر علیپور
مدیر بخش امور آب شرکت آب منطقه ای خراسان رضوی
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :