کالیبراسیون خودکار مدل بارش-رواناب HEC-HMS با استفاده از بهینه ساز الگوریتم ژنتیک
Publish place: 3rd Iran Water Resources Management Conference
Publish Year: 1387
Type: Conference paper
Language: Persian
View: 3,986
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:
WRM03_204
Index date: 16 April 2008
کالیبراسیون خودکار مدل بارش-رواناب HEC-HMS با استفاده از بهینه ساز الگوریتم ژنتیک abstract
در این مقاله، طرحی برای کالیبراسیون خودکار مدل بارش-رواناب HEC-HMS ارائه می شود. اغلب سوابق تحقیقات در زمینه کالیبراسیون خودکار به مدل های هیدرولوژیکی پیوسته (Continuous) می پردازد.اما ماهیت مدل HEC-HMS رخدادپایه (Event-Based) بوده و پارامترهای آن به شرایط اولیه حساسیت قابل توجهی دارند. به علت نوع داده های مورد نیاز برای کالیبراسیون مدل های رخدا دپایه، مقدار این داده ها همواره نسبت به داده های موردنیاز برای مدل های پیوسته کمتر می باشد . در حالی که تعداد پارامترهای مدل های رخدادپایه از کثرت بیشتری نسبت به مدل های پیوسته برخوردار است . در این تحقیق، برای کالیبراسیون خودکار HEC-HMS از بهینه ساز الگوریتم ژنتیک با هدف حداکثر نمودن نیکویی برازش پاسخ مدل به مشاهدات استفاده می گردد. مطالعه موردی این تحقیق، مدل سازی بارش-رواناب حوضه تمر از حوضه آبریز گرگان رود می باشد. نتایج این تحقیق نشان می دهد که بر اساس تطبیق پاسخ مدل با مقادیر مشاهداتی و با وجود درجه آزادی بالای مدل بارش-رواناب (شامل ۳۴ پارامتر) تدوین شده، روند پیشنهادی قادر به وصول به مقادیر مطلوب پارامترهای مدل مفهومی است.
کالیبراسیون خودکار مدل بارش-رواناب HEC-HMS با استفاده از بهینه ساز الگوریتم ژنتیک Keywords:
کالیبراسیون خودکار مدل بارش-رواناب HEC-HMS با استفاده از بهینه ساز الگوریتم ژنتیک authors
سیدسامان رضوی
دانشجوی دکتری دانشکده عمران و محیط زیست، دانشگاه صنعتی امیرکبیر
سیدجمشید موسوی
دانشیار دانشکده عمران و محیط زیست، دانشگاه صنعتی امیرکبیر
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 :