تخمین پارامترهای مدل غیرخطی نوع ششم ماسکینگام در روندیابی سیلاب با الگوریتم بهینه سازی مگس (Mayfly Algorithm)
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 102
This Paper With 13 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-13-4_005
تاریخ نمایه سازی: 12 تیر 1402
Abstract:
یکی از موضوعات اساسی و پایه در مطالعات مهندسی هیدرولوژی و رودخانه، روندیابی سیلاب است. روندیابی سیلاب به روش هیدرولوژیکی در رودخانههای چند شاخه و رودخانههای فاقد آمار حوضه میانی مرسوم است. از این رو، مدل هیدرولوژیکی ماسکینگام یک روش مفید است که بدون نیاز به تعیین شیبها و مقاطع عرضی در تمام بازههای رودخانه، عمق و دبی جریان سیلابی را در مقاطع مختلف رودخانه روندیابی می کند و از این رو، سبب صرفه جویی در هزینه و زمان می شود. در این مطالعه، مقادیر بهینه پارامترهای غیرخطی مدل جدید ماسکینگام نوع ششم بر اساس الگوریتم بهینه سازی مگس(MA) محاسبه شده است. در این مدل غیرخطی ماسکینگام که دارای هشت پارامتر است، از ضریب بهبود γ استفاده شده است که با توجه به تعداد پیک های موجود در هیدروگراف خروجی، مقادیر بیشتر یا کمتر از یک دارد. برای ارزیابی عملکرد ترکیبی مدل جدید غیر خطی ماسکینگام همراه با الگوریتم نوین MA، از مطالعه موردی ویلسون و وایسمن لوئیس استفاده شده که توسط بسیاری از محققان قبلی برای اعتبار سنجی مورد استفاده قرار گرفته است. نتایج الگوریتم MA برای دو رودخانه ویلسون و وایسمن لوئیس نشان دهنده کمینه سازی مجموع مربعات باقیمانده ها (SSQ) به عنوان تابع هدف میباشد که برای رودخانه ویلسون برابر با ۳.۲۱ و رودخانه وایسمن برابر با۶۸۷۲۲ است. نتایج این تحقیق نشان داد که مدل پیشنهادی دارای دقت زیادی در برآورد مقادیر تخلیه خروجی است.
Keywords:
Authors
سعید خلیفه
دانشجوی دکتری، دانشگاه فردوسی مشهد، دانشکده کشاورزی، گروه علوم و مهندسی آب
کاظم اسماعیلی
دانشگاه فردوسی مشهد، دانشکده کشاورزی، گروه علوم و مهندسی آب
سعید رضا خداشناس
گروه مهندسی آب، دانشگاه فردوسی مشهد
فرشته مدرسی
گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد
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 :