کالیبراسیون مدل شبیه سازی غلظت شوری رودخانه با استفاده از روش برازش متوالی عدم قطعیت SUFI2
Publish place: 10th International Congress on Civil Engineering
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 1,047
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICCE10_1099
Index date: 10 July 2015
کالیبراسیون مدل شبیه سازی غلظت شوری رودخانه با استفاده از روش برازش متوالی عدم قطعیت SUFI2 abstract
دو عامل طبیعی و انسانی سبب شور شدن منابع آبهای سطحی و زیرزمینی است. تحلیل و تفکیک این دو عامل یکی از مراحل مهم در مطالعات منابع آب است. به دلیل پیچیدگی و عدم قطعیت فرآیندهای مسبب شوری، روشهای متداول در مدل سازی ریاضی شوری جریان های سطحی مبتنی است بر رکوردهای تاریخی کمیت و کیفیت جریان رودخانه. تقریباً گام مشترک تمامی این روشها به صورت برازش مدل های ریاضی بر رابطه جریان و غلظت نمک است. در این میان یکی از مدل های معروف توسطO’Connor 1976 ارائه شد. این مدل حاوی یک چارچوب ساده ازاختلاط جریان های سطحی و زیرزمینی با غلظت های متفاوت است. با وجود قابلیت های مناسب این مدل در شبیه سازی شوری رودخانه، برازش مدل به داده های واقعی و همچنین تعیین مقادیر صحیح پارامترهای مدل ساده نیست. در این تحقیق از روش برازش متوالی عدم قطعیت برای کالیبراسیون مدلO’Connor 1976 استفاده شده است. به عنوان مورد مطالعاتی، رودخانه های حوضه آبریز حله، واقع در جنوب غربی ایران، انتخاب شده است. نتایج تحقیق نمایانگر قابلیت های مناسب این روش در کالیبراسیون مدل مذکور است.
کالیبراسیون مدل شبیه سازی غلظت شوری رودخانه با استفاده از روش برازش متوالی عدم قطعیت SUFI2 Keywords:
کالیبراسیون مدل شبیه سازی غلظت شوری رودخانه با استفاده از روش برازش متوالی عدم قطعیت SUFI2 authors
بهاره نوروزی
دانشجوی کارشناسی ارشد، دانشگاه علم و صنعت ایران، دانشکده مهندسی عمران
حسین علیزاده
استادیار، دانشگاه علم و صنعت ایران، دانشکده مهندسی عمران
عباس افشار
استاد، دانشگاه علم و صنعت ایران، دانشکده مهندسی عمران
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 :