روندیابی معکوس سیلاب به روش موج پخشیدگی (مطالعه موردی: رودخانه یوان واقع در کشور چین)
Publish Year: 1399
Type: Journal paper
Language: Persian
View: 224
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_IJSWR-51-4_016
Index date: 23 May 2023
روندیابی معکوس سیلاب به روش موج پخشیدگی (مطالعه موردی: رودخانه یوان واقع در کشور چین) abstract
به منظور کاهش خسارات مالی و جانی در سیستمهای پیشبینی و هشدار سیل و همچنین مباحث تخصیص آب به خصوص مصارف با درجه اولویت بالا در اختیار داشتن مدلی سریع و دقیق برای پیشبینی هیدروگراف ورودی اهمیت فراوانی دارد. در پژوهش حاضر با استفاده از مدل موج پخشیدگی اقدام به روندیابی معکوس سیل در رودخانه یوان واقع در کشور چین با استفاده از روش عددی سلول مخلوط و کرانک نیکلسون شد. این روشهای عددی به دلیل سرعت محاسبات بالا و عدم نیاز به اطلاعات توپوگرافی و هیدرولیکی رودخانه انتخاب شدند. بدین منظور از اطلاعات سیلابهای رودخانه یوان در طول پنج سال استفاده شد و سپس نتایج حاصله از شبیهسازی عددی با دادههای مشاهداتی مقایسه شد. بر این اساس شاخصهای آماری ضریب تبیین، شاخص نش-ساتکلیف، شاخص ویلموت و ضریب مجموع باقیمانده تعیین و با بررسی این شاخصها مشاهده شد که نتایج حاصله از هر دو روش عددی از دقت خوبی برخوردار بودند. حداکثر خطای بیشینه دبی مشاهداتی و محاسباتی در روش کرانک نیکلسون و سلول مخلوط به ترتیب ۲۲/۰ و ۵۹/۰ درصد بود. بر اساس نتایج بهدست آمده در پیشبینی دبی بیشینه و هیدروگراف ورودی مشاهده شد که روش کرانک نیکلسون نسبت به روش سلول مخلوط دقت بالاتری دارد.
روندیابی معکوس سیلاب به روش موج پخشیدگی (مطالعه موردی: رودخانه یوان واقع در کشور چین) Keywords:
روندیابی معکوس سیلاب به روش موج پخشیدگی (مطالعه موردی: رودخانه یوان واقع در کشور چین) authors
مجید حیدری
گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران
شاهین عودی
گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بو علی سینا، همدان، ایران
فریبا احمدی دهرشید
گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران
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 :