شبیه سازی جریان روزانه رودخانه با استفاده از برآورد های الگوریتم های بارش ماهواره ای

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 508

This Paper With 9 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICWESD01_049

تاریخ نمایه سازی: 19 خرداد 1396

Abstract:

توسعه روشهای برآورد آبدهی جریان در مقیاس زمانی روزانه با توجه به کمبود ایستگاه های هیدرومتری در بیشتر حوضه های آبریز کشور از موارد ضروری است که به بهبود اطلاعات مورد نیاز برای اهداف مدیریتی مرتبط با منابع آب منجر می گردد جهت اندازه گیری بارش به عنوان متغیر اصلی در برآورد رواناب می توان از محصولات الگوریتم های ماهواره ای که دارای پوشش زمانی و مکانی مناسبی می باشند استفاده کرد در این تحقیق ابتدا شبیه سازی جریان روزانه رودخانه ساروق چای از حوضه آبریز زرینه رود با مدل شبکه عصبی مصنوعی ANN و داده های زمینی روزانه بارش دما و آبدهی برای سالهای 1367تا1387 انجام شده و شبکه توسعه یافته مورد آموزش صحت سنجی و آزمون قرار گرفت سپس جهت ارزیابی محصولات الگوریتم های بارش ماهواره ای در شبیه سازی دبی که هدف این تحقیق می باشد داده های ماهواره ای روزانه بارش الگوریتم های PERSIANN،TMPA-3B42V7،TMPA-3B42RTوCMORPH در فاصله سالهای 1382تا1387 به عنوان ورودی شبکه آموزش دیده مذکور استفاده گردید با در نظر گرفتن R2 و شاخص های RMSEو MAE برای ارزیابی ها نتایج نشان می دهند که داده های الگوریتم های ماهواره ای توانایی بالای در شبیه سازی رواناب حوضه مطالعاتی دارند

Keywords:

Authors

آرمان عبداللهی پور

دانشجوی دکتری دانشگاه آزاد اسلامی واحد رودهن

صابر معظمی گودرزی

استادیار دانشگاه آزاد اسلامی واحد اسلامشهر

سید محمد اشرفی

استادیار دانشگاه آزاد اسلامی واحد رودهن

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 :
  • صادقی س ح ر، یثربی ب، نورمحمدی ف، (1384). تهیه ...
  • کتیرایی بروجردی پ س. (1392). _ قایسه داده های بارش ...
  • بارانی زاده ا، بهیار م ب، جوانمرد س، عابدینی ی. ...
  • گروه مهندسی عمران، دانشکده فنی، دانشگاه محقق اردبیلی، 6 تا ...
  • سلطانی، س.، (1381)، "مقایسه مدل های تغهیمی با شبکه های ...
  • Beven, K. J. (2001). "Rainfall- runoff modelling: The Primer, John ...
  • Tokar, A.S. and Markus M (2000). _ _ Pre c ...
  • _ Li, X and Zhang Q, Xu Ch. (2013). "Assessing ...
  • Moazami S, Golian S, Kavianpour M R and Hong Y. ...
  • Collischonn B, Collischonn W and Morelli Tucc C E, (2008). ...
  • Stisen S and Sandholt I, (2010). "Evaluation of remote- sensing-based ...
  • Behrangi A, Khakbaz B, Jaw TC, AghaKouchak A, Hsu K ...
  • Li X and Zhang Q, Xu Ch, (2012). "Suitability of ...
  • Dawson C.ب and Wilby R., (1988). "An artificial neurl network ...
  • Tokar A.S. and Johnson P.A., (1999). _ 'Rainfall-runof modeling using ...
  • Zhang B. and Govindaraju R.S. (2003). _ Geomorpho logy-based artificial ...
  • Coulibaly, P., Anctil, F. and Bobee, B., (2000). "Daily reservoir ...
  • Sung, E. K. and II Won, S. (2015). "Artificial Neural ...
  • Ebert, E. E., Janowiak, J.E, and Kidd, C. (2007). "Comparison ...
  • Joyce, R. J., Janowiak, J. E., Arkin, P. A. and ...
  • نمایش کامل مراجع