ارزیابی طراحی بهینه شبکه ایستگاههای بارانسنجی توسط اهداف مختلف با استفاده از آنتروپی
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,637
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
DEZFULWATERMECH01_173
تاریخ نمایه سازی: 21 فروردین 1391
چکیده مقاله:
بارندگی به عنوان یکی از فرآیندهای مهم چرخه هیدرولوژیکی، در برنامهریزیهای مدیریت منابع آب و اموری چون کنترل سیلاب، تأمین نیاز آبی گیاهان، طراحی سیستمهای زهکشی، جلوگیری از فرسایش خاک از اهمیت بسزایی برخوردار است. از اینرو بهینه سازی طراحی شبکه باران سنجی موجب بهبود کیفیت برآوردهای منطقه ای بارندگی همچون برآورد میانگین درازمدت بارندگی یا حجم بارندگی یک حوضه خواهد شد. تئوری آنتروپی علاوه بر استفاده های اخیر در زمینه هیدرولوژی و منابع آب، در ارزیابی و طراحی شبکه های پایش نیز کاربرد داشته است. در تحقیق حاضر از میان شاخصهای مختلف آنتروپی، آنتروپی انتقال اطلاعات به عنوان معیاری از انتقال اطلاعات و اطلاعات در دسترس در شبکه پایش، برای بهینه سازی شبکه باران سنجی منطقه مورد مطالعه و تعیین مکانهای مناسب احداث باران سنج از میان نقاط پتانسیل معین، انتخاب شد. ابزار بهینه سازی در این مطالعه الگوریتم ژنتیک میباشد که با دو تابع هدف بیشینه کردن متوسط آنتروپی انتقال اطلاعات و بیشینه کردن حداقل آنتروپی انتقال اطلاعات در محدوده مطالعه (حوضه باتلاق گاوخونی)، اجرا شد. نتایج مطالعه، نشان دهنده قابلیت این الگوریتم در مکانیابی ایستگاههای جدید و نیز برتری نسبی تابع هدف دوم است. در انتها موقعیت باران سنجهای پیشنهادی هر دو روش نیز ارائه شد.
کلیدواژه ها:
نویسندگان
آزاده کریمی حسینی
دانشجوی کارشناسی ارشد هواشناسی کشاورزی، گروه مهندسی آبیاری و آبادانی
امید بزرگ حداد
استادیار، گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، د
عبدالحسین هورفر
دانشیار، گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دا
کیومرث ابراهیمی
استادیار، گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، د
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :