سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

مدل هوشمند مبتنی بر ژئومورفولوژی و مقایسه با مدل GIUH برای برآورد رواناب مستقیم

Publish Year: 1388
Type: Journal paper
Language: Persian
View: 212

This Paper With 9 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

JR_IWRR-5-2_009

Index date: 19 February 2023

مدل هوشمند مبتنی بر ژئومورفولوژی و مقایسه با مدل GIUH برای برآورد رواناب مستقیم abstract

درمدل هیدروگراف واحد لحظه ای ژئومورفولوژی از شبکه زهکشی حوضه آبریز و قوانین هورتون استفاده می گردد. این مدل یک رهیافت ساده مدل سازی رواناب-بارندگی برای حوضه های فاقد آمار می باشد. کارشناسان هیدرولوژی همواره سعی کرده اند رابطه ای بین پاسخ هیدرولوژیکی حوضه و مشخصات توپوگرافی حوضه ها بر قرار نمایند.  در این تحقیق از سه مدل بارندگی- رواناب شامل  مدل جعبه سیاه مبتنی بر مشخصات ژئومورفولوژی (GANN) و  مدل مفهومی دو پارامتری ناش و مدل هیدروگراف واحد لحظه ای ژئومورفولوژیکی (GIUH)  که برای حوضه های فاقد آمار  پشنهاد گردیده است برای یک حوضه متوسط استفاده شد. از این مدل ها برای مطالعه ده واقعه بارش-رواناب در حوضه معرف کسیلیان واقع در ناحیه شمالی ایران استفاده شد.  نتایج حاصل از  مدل ژئومورفولوژی  با داده های مشاهده ای و دو مدل دیگر مقایسه گردیده است. نتایج این تحقیق نشان می دهد که مدل شبکه عصبی مصنوعی بر پایه ژئومورفولوژی (GANN) از مدل کاملا تجربی شبکه عصبی مصنوعی می باشند، برتر است. علاوه بر این می توان چنین نتیجه گیری کرد که لحاظ  مشخصات ژئومورفولوژی در مدل ANN   بر توانایی این  مدل برای شبیه سازی رابطه بارندگی- رواناب می افزاید.

مدل هوشمند مبتنی بر ژئومورفولوژی و مقایسه با مدل GIUH برای برآورد رواناب مستقیم Keywords:

مدل هوشمند مبتنی بر ژئومورفولوژی و مقایسه با مدل GIUH برای برآورد رواناب مستقیم authors

محمد رضا نجفی

استادیار/ گروه مهندسی آبیاری وزهکشی، پردیس ابوریحان دانشگاه تهران، پاکدشت

م. رضا بهبهانی بهبهانی

دانشیار/گروه مهندسی آبیاری وزهکشی، پردیس ابوریحان دانشگاه تهران، پاکدشت

ج عبدالهی

مربی/ گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی آب وخاک، پردیس کشاورزی ومنابع طبیعی ، دانشگاه تهران، کرج

موسی حسینی

دانشجوی دکتری /مهندسی منابع آب، گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی آب وخاک، پردیس کشاورزی ومنابع طبیعی ، دانشگاه تهران، کرج

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 :
Anmala, J., Zhang, B. and Govindaraju, R. (۲۰۰۰), "Comparison of ...
Chow, V.T., Maidment, D.R., and Mays, L.W. (۱۹۸۸), Applied Hydrology, ...
Fernando, D.A.K. and Jayawardena, A.W. (۱۹۹۸), "Runoff forecasting using RBF ...
Ghahraman, B. (۱۹۹۵), "Geomorphoclimatic Instantaneous Unit Hydrograph", Ferdowsi University of ...
Gupta, V., Waymire, E. and Wang, C. (۱۹۸۰), A "Representation ...
Hjelmfelt, A. and Wang, M. (۱۹۹۳), "Runoff simulation using ANN. ...
Mitchell, W. D. (۱۹۴۸), Unit hydrographs in Illinois, Department of ...
Mojaddadi, H., Habibnejad, M., Solaimani, K., Ahmadi, M. Z., and ...
Nash, J. E. (۱۹۵۷), "The form of instantaneous unit hydrograph, ...
Nash, J.E. and Sutcliffe, J.V. (۱۹۷۰), "River Flow Forecasting Through ...
Rodrigues-Iturbe, I. and Valdes, J. (۱۹۷۹), "The geomorphological structure of ...
Schumm, S. A. (۱۹۵۶), Evolution of drainage systems and slope ...
Sherman L. K. (۱۹۳۲), Stream flow from rainfall by the ...
Singh V. P. (۱۹۸۸), Hydrologic Systems. Volume I: Rainfall-Runoff Modeling, ...
Smart, S. (۱۹۷۲), Channel networks, Advances in Hydrosciences, Vol. (۸): ...
Zhang, B. and Govindaraju, R.S. (۲۰۰۳), "Geomorphology-based artificial neural networks ...
نمایش کامل مراجع