های مصنوعی هیدرولوژیکی (مطالعه موردی: حوضه های ساخت داده ای مدل بررسی مقایسه آبریز مهاباد)
Publish place: First National Conference on Climatology of Iran
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 829
This Paper With 12 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:
COLIMACONF01_103
تاریخ نمایه سازی: 11 شهریور 1392
Abstract:
تخمین صحیح آبدهی رودخانه ها جهت طراحی مطمئن و بهینه سیستم هایی مانند مخازن سدها و سایر منابع آبی از اهمیت چشمگیری برخوردار است. در این راستا تولید و تخمین سری های هیدرولوژیکی آتی نقش مهمی در مطالعات حوضه ای ایفا می کند. روش های پارامتری تولید اطلاعات هیدرولوژیکی به رغم مفید بودن دارای نارسایی های چندی هستند. در این مطالعه به منظور مقایسه ی کلی بین روش های پارامتری و ناپارامتری تولید اطلاعات مصنوعی هیدرولوژیکی از بسته نرم افزاری SAMS به جهت پوشش کامل مدل های پارامتری و مدل K-NN توسعه داده شده به عنوان یکی از متداولترین روش های ناپارامتری در تولید اطلاعات، استفاده شد. همچنین با توجه به اهداف مطالعه، از سری تاریخی داده های مربوط به دو سرشاخه اصلی رودخانه ی مهاباد (کوتر و بیطاس)، استفاده شد و به طول 18 سال آبدهی مصنوعی برای دو ایستگاه تولید شد. مقایسه ی مشخصات آماری سری های تولید شده با سری تاریخی آبدهی مشاهداتی نشان داد که مدل ناپارامتری علاوه بر رفع نارسایی های روش های پارامتری نظیر فرض اولیه نسبت به توزع احتمالاتی متغیرها، حفظ نکردن وابستگی زمانی و مکانی بین متغیرها در تولید اطلاعات، قادر بخ حفظ مشخصات مهم آماری سری مشاهداتی و تولید اعداد کم سابقه از متغیر سری زمانی و همچنین شبیه سازی سری زمانی همسو با سناریوهای تغییر اقلیم است.
Keywords:
Authors
سلمان شریف آذری
مربی گروه مهندسی آب دانشگاه زابل
حبیبه رحیمی خوب
دانشجوی کارشناسی ارشد آبخیزداری، گروه آبخیزداری دانشگاه زابل
شهاب عراقی نژاد
استادیار گروه مهندسی آبیاری و آبادانی دانشگاه تهران
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 :