پیشبینی دبی سیلاب با استفاده از ترکیب نتایج مدلهای بارش - رواناب
Publish place: 07th International River Engineering Conference
Publish Year: 1385
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,999
This Paper With 9 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:
IREC07_253
تاریخ نمایه سازی: 15 تیر 1385
Abstract:
مدلهای بارش - رواناب بهعنوان جزئی از سیستمهای پیشبینی سیلاب میباشند . در یک چنین سیستمهایی، یک مدل بارش - رواناب ممکن است بر اساس دقت، آشنایی کاربر با آن، سادگی استفاده از آن، نوع حوضه و یا اطلاعات در دسترس انتخاب شود . تا به امروز مدلهای بارش - رواناب فراوانی با قابلیتها و پیچیدگیهای متفاوتی ساخته و به کار برده شدهاند . اما علیرغم وجود مدلهای فراوان، ظهور مرتب مدلهای جدید نشان میدهد که هنوز یک چنین مدل فوق العادهای ساخته نشده است . بهعنوان یک راهحل، میتوان به جای تکیه بر تنها یک مدل، از روش ترکیب نتایج حاصل از
مدلهای بارش - رواناب مختلف استفاده کرد . در این تحقیق با استفاده از اطلاعات بارندگی، رواناب دو حوضه رودخانههای نورثفورک و ساوثفورک در ایالت کالیفرنیای آمریکا و با استفاده از ترکیب
نتایج حاصل از مدلهای بارش - رواناب به پیشبینی دبی سیلاب پرداخته شد . مدلهای بارش - رواناب SVRCو LVGFM ،LPM ،SLM بدین منظور انتخاب شدند . همچنین به منظور ترکیب نتایج حاصل از مدلهای بالا از روشهای ترکیبی متوسطگیری ساده، رگرسیون خطی و غیرخطی و شبکه - های عصبی مصنوعی استفاده شد . در زمان ترکیب نتایج مدلهای بارش - رواناب مختلف با استفاده از شبکههای عصبی، از الگوریتم پسانتشار خطا ) ) BP جهت آموزش و تست شبکه بهره برده شد . نتایج حاصله نشان داد که دبی سیلاب پیشبینی شده با استفاده از روشهای ترکیبی، دارای میزان خطای کمتر و همبستگی بالاتری نسبت به تک تک مدلهای بارش - رواناب بود . در میان این روش - های ترکیبی، شبکههای عصبی و رگرسیون غیرخطی نتایج بهتری را ارائه دادند .
Keywords:
Authors
محسن پوررضا بیلندی
دانشجوی کارشناسی ارشد سازههای آبی، دانشگاه شهید چمران اهواز
رضا طارقیان
دانشجوی کارشناسی ارشد سازههای آبی، دانشگاه شهید چمران اهواز
مهدی قمشی
دانشیار دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز
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 :