توسعه مدل های تحلیلی- احتمالاتی به منظور برآورد رواناب شهری
محل انتشار: فصلنامه دانش آب و خاک، دوره: 28، شماره: 4
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 156
فایل این مقاله در 16 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:
JR_WASO-28-4_001
تاریخ نمایه سازی: 25 دی 1401
چکیده مقاله:
هدف از این تحقیق، ارزیابی چند روش توسعه مدل های تحلیلی- احتمالاتی برای برآورد حجم رواناب می باشد و نشان داده می شود که مدل های تحلیلی می توانند با درجه پیچیدگی متفاوت بر اساس تبدیل های مختلف بارش- رواناب به دست آیند. در این مطالعه واسنجی و صحت سنجی مدل های تحلیلی با پیروی از یک روش ترکیبی انجام گردید. کارآیی انواع مختلف تبدیل های بارش- رواناب در بخش غربی شهر کرمان مورد سنجش قرار گرفت. نتایج مدل تحلیلی برای رواناب مشاهداتی و شبیه سازی شده با مدل مدیریت رگبار (SWMM) مورد مقایسه قرار گرفت. با مشاهده خروجی ها می توان دریافت که اگر برای ضریب رواناب یک مقدار در محدوده ۷/۰- ۶/۰ درنظر گرفته شود، مدل تحلیلی- احتمالاتی نوع اول می تواند نتایجی نزدیک به نتایج شبیه سازی پیوسته مدل مدیریت رگبار با اختلاف نسبی کم تر ارائه دهد. به منظور ارزیابی اطمینان پذیری عملکرد مدل تحلیلی، با ثابت در نظر گرفتن ضریب رواناب منطقه نفوذپذیر، مساحت بخش نفوذناپذیر حوضه به تدریج افزایش داده شد. نتایج به دست آمده بیان گر آن است که با افزایش تدریجی نفوذپذیری حوضه، اثر ضریب رواناب منطقه نفوذپذیر بر حجم رواناب سالانه از حساسیت کم تری برخوردار خواهد بود. با استفاده از این مدل، تطابق مناسبی بین داده های مشاهداتی و محاسباتی به دست آمد. مدل های تحلیلی- احتمالاتی به دلیل محاسبات کم تر نسبت به مدل های شبیه سازی پیوسته، می توانند به عنوان یک مدل شبیه سازی پیوسته در تحلیل سیستم های رواناب شهری مورد استفاده قرار گیرند.
کلیدواژه ها:
نویسندگان
میلاد مرادی
دانش آموخته کارشناسی ارشد مهندسی منابع آب، دانشگاه شهید باهنر، کرمان
صمد دربندی
استادیار گروه علوم مهندسی آب، دانشکده کشاورزی، دانشگاه آزاد اسلامی واحد تبریز، تبریز
صابره دربندی
دانشیار گروه مهندسی آب، دانشگاه تبریز، تبریز
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 :