پیش بینی جریان رودخانه با استفاده از مدل های استوکاستیک در مدیریت منابع آب (مطالعه موردی: رودخانه یلفان همدان)
Publish place: سومین کنفرانس بین المللی محیط زیست و منابع طبیعی
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,052
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IENC03_011
تاریخ نمایه سازی: 11 مرداد 1396
Abstract:
پیش بینی مناسب مقدار آبدهی رودخانه ها، نقشی اساسی در برنامهریزی، مدیریت و بهره برداری بهینه و پایدار از منابع آبی ایفا می کند.یکی از روشهای پیش بینی آبدهی استفاده از سری های زمانی استکه ابزاری قدرتمند جهت پیش بینی دبی می باشند. از آنجا که وقوعسیل در این حوضه بی سابقه نبوده است به همین دلیل این تحقیقتلاشی در جهت شناسایی، به منظور ساماندهی در راستای برنامه ها واهداف وآینده نگری مخاطرات طبیعی در این حوضه می باشد لذا هدفاز این تحقیق پیش بینی جریان رودخانه با استفاده از مدل هایاستوکاستیک در مدیریت منابع آب (مطالعه موردی: رودخانه یلفانهمدان) می باشد. در گام اول با استفاده از مطالعات کتابخانه ای بهبررسی مطالب کلی در خصوص انواع مدل های موجود جهت پیشبینی جربان رودخانه ها پرداخته شد. در گام دوم با مطالعه تعدادی ازپایان نامه ها و مقالات داخلی و خارجی انواع مدل های استوکاستیکمورد بررسی قرار گرفت. در گام سوم با استفاده از داده های 10 سالهروزانه دبی و بارش (1394-1385) رودخانه یلفان، سری های زمانی همچون آریما و آرمکس برای پیش بینی آبدهی رودخانه بر داده هابرازش داده شد. سپس برای تشخیص درستی الگوی برازش دادهشده از آزمون بررسی فرض استقلال باقیمانده ها استفاده گردید. درگام چهارم با استفاده از تجزیه و تحلیل داده ها نتیجه گیری نهاییصورت گرفت. در نتیجه این تحقیق مدل آرمکس به دلیل ورودپارامترهای اقلیمی در مدل دارای نتایج بهتری در مقایسه با مدلآریما بوده است.
Keywords:
Authors
فاطمه فرجی
دانشجوی کارشناسی ارشد مهندسی منابع آب، دانشگاه بوعلی سینا، همدان، ایران
مهرداد عباس معین
کارشناس زمین شناسی، دانشگاه شهید بهشتی، تهران، ایران
آزاده سیفی
کارشناس ارشد آب آبیاری زهکشی، دانشگاه بوعلی سینا، همدان، ایران
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 :