محاسبه هیدروگراف سیل طراحی به روش مونت کارلو با استفاده از شبکه های عصبی مصنوعی
Publish place: 3rd Iran Water Resources Management Conference
Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,713
This Paper With 7 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:
WRM03_192
تاریخ نمایه سازی: 28 فروردین 1387
Abstract:
رویکرد متعارفی که در حال حاضر جهت محاسبه هیدروگراف سیل طراحی وجود دارد، یک رویکرد نیمه احتمالاتی است که در آن توزیع زمانی بارش به صورت یک الگوی تیپ از قبل معلوم فرض میشود. در مقابل در روش مونت کارلو به جای استفاده از یک الگوی تیپ از تعداد زیادی الگوی تصادفی استفاده میشود. پس از ارزیابی مدل بارش رواناب با استفاده از این الگوها، در نهایت یکی از آنها انتخاب میشود. هرقدر تعداد الگوها بیشتر باشد، اعتمادپذیری نتایج بیشتر خواهد بود، اما در مقابل زمان محاسبات افزایش خواهد یافت. در این مطالعه هدف جایگزینی مدلهای بارش – رواناب با شبکههای عصبی مصنوعی بوده است. مزیت شبکههای عصبی در این است که تمامی ترکیبات مختلف را میتوان با یکبار اجرای مدل حاصل نمود. حال آنکه انجام این کار با نرم افزار بارش - رواناب زمان بسیار زیادی میطلبد. در این مطالعه از ترکیبهای مختلفی منجمله عمق بارش و شماره منحنی خاک حوضه در مدل سازی بارش- رواناب یک حوضه فرضی استفاده به عمل آمده است. این اطلاعات به نرم افزار HEC-HMS داده شد و بعد از تولید هیدروگراف سیلاب، دادههای حاصل برای آموزش شبکه عصبی به کار برده شد. در ادامه محاسبه هیدروگراف سیل حوضه در شرایط متفاوتی یکبار با استفاده از شبکه عصبی آموزش دیده و بار دیگر با استفاده از نرم افزار HEC-HMS به انجام رسید که حاکی از نزدیکی بسیار نتایج دو روش به یکدیگربود. در انتها نیز هیدروگراف سیل طراحی مونت کارلو محاسبه شد.
Keywords:
Authors
علی زادبر
لیسانس آبهای سطحی، دانشگاه صنعت آب و برق شهید عباسپور
سعید علیمحمدی
استادیار دانشکده مهندسی آب دانشگاه صنعت آب و برق شهید عباسپور
اسداله اکبریان اقدم
استادیار دانشکده مهندسی آب دانشگاه صنعت آب و برق شهید عباسپور
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 :