واسنجی خودکار پارامترهای مدل Sacramento با استفاده از روشهای بهینه سازی الگوریتم ژنتیک و الگوریتم تکامل رقابتی جامع (مطالعه موردی: حوضه آبریز قره سو)
Publish place: دومین کنگره ملی آبیاری و زهکشی ایران
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 425
This Paper With 10 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:
NCIID02_092
تاریخ نمایه سازی: 6 بهمن 1395
Abstract:
با توجه به اینکه واسنجی پارامترهای یک مدل هیدرولوژیکی بارش رواناب از عوامل مؤثر بر عملکرد آن مدل می باشد این مطالعه با هدف واسنجی پارامترهای مدل مفهومی بارش- رواناب Sacramento ، با استفاده از دو روش بهینه سازی الگوریتم ژنتیکو الگوریتم تکامل رقابتی جامع (SCE) به صورت خودکار در حوضه ی آبریز قره سو انجام شد. در همین راستا داده های ورودی بهمدل شامل بارندگی، تبخیر و تعرق پتانسیل و رواناب مشاهده ای به صورت روزانه طی دوره ی آماری 2008-1997 و با نسبت 60درصد برای دوره ی واسنجی و 40 درصد برای دوره ی صحت سنجی به مدل وارد و با انتخاب تابع هدف نش- ساتکلیف، پارامترهای مدل با دو روش بهینه سازی الگوریتم ژنتیک و الگوریتم SCE واسنجی شدند. در ادامه معیارهای ارزیابی نش- ساتکلیف (NS) ومعیار خطا (RMSE) جهت مقایسه ی رفتار مدل در هر یک از دو روش بهینه سازی برآورد گردید. نتایج نشان داد که روش الگوریتم ژنتیک با ضریب NS و RMSE به ترتیب معادل 0/692 و 14/33 در دوره ای واسنجی و 0/638 و 16/98 در دوره ی صحت سنجی نسبت به روش الگوریتم SCE با ضریب 0/672 و 0/464 و 21/12 به ترتیب در دوره ی واسنجی و صحت سنجی پاسخ بهتری به شبیه سازی رواناب روزانه ی حوضه خواهد داد.
Keywords:
Authors
فاطمه پورصالحی
دانشجوی دکتری مهندسی منابع آب دانشگاه بیرجند
محسن پوررضابیلندی
استادیار گروه مهندسی آب دانشگاه بیرجند
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 :