مدلسازی بارش- رواناب دشت ابهر با استفاده از PRMS و واسنجی آن با الگوریتم ژنتیک

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 706

This Paper With 16 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:

CEUCONF04_436

تاریخ نمایه سازی: 10 تیر 1396

Abstract:

با توجه به اهمیت موضوع مدیریت منابع آب کشور در سالهای اخیر و اینکه آبهای سطحی بخش مهمی از این منابع را تشکیل داده، نیاز به مدیریتی علمی و کاربردی منطبق بر دانش روز جهت مدیریت این منابع امری ضروری است.منشا اصلی آبهای سطحی را میتوان رواناب ناشی از بارش تلقی کرد. لذا پژوهش پیش رو تلاش خود را به کار گرفت تا روشی علمی را ارایه کند که برای واسنجی مدلPRMS و به تبع آن شبیهسازی بارش- رواناب به کار گرفته شود. درحوضه مورد مطالعه که دشت ابهر انتخاب شد، دادههای آماری 1 اکتبر 1999 تا 30 سپتامبر 2004 برای واسنجی ودادههای آماری اکتبر 19992004 تا 30 سپتامبر 2010 برای اعتبارسنجی مدل مورد استفاده قرار گرفته است. برای واسنجی برخی از پارامترهای مدل به عنوان پارامتر کنترلی در نظر گرفته شدند که این پارامترها به صورتتجربی و براساس مطالعات قبلی انتخاب شدند. ابتدا در مدل مقدار این پارامترها برابر مقدار پیشفرض قرار داده شد و با در نظر گرفتن مقدار حداقل و حداکثر آنها، با استفاده از الگوریتم ژنتیک مقدار نهایی آنها محاسبه گردید. برای واسنجی PRMSبا استفاده از جعبه ابزار الگوریتم ژنتیک نرمافزار متلب، بارها مدل با مقادیر مختلف پارامترهای مدنظر اجرا گردید و مقادیر دبی اندازهگیری شده و دبی محاسبه شده از شبیهسازی مقایسه و مقادیرRMSEمحاسبه گردید تابع هدف کمینه سازی مقدارRMSEبوده و این کار تا همگرایی الگوریتم ژنتیک ادامه پیدا کرد. در انتها و پس ازواسنجی مدل، برای سال آبی 2003 مقادیر محاسبه شده و شبیهسازی دبی با تحلیلهای آماری مقایسه گردید تا اعتبارمدل مورد سنجش قرار گیرد

Authors

نیلوفر بیدل

دانشجوی کارشناسی ارشد مهندسی عمران گرایش مهندسی و مدیریت منابع آب دانشگاه شهید بهشتی تهران

سعید علیمحمدی

استادیار دانشکده مهندسی عمران- آب و محیطزیست دانشگاه شهید بهشتی تهران

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 :