کاربرد روش های الگوریتم ژنتیک و K-نزدیک ترین همسایه در تدوین سیاست های بهره برداری از مخزن در زمان وقوع سیلاب
سال انتشار: 1387
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 298
فایل این مقاله در 12 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_IWRR-4-3_004
تاریخ نمایه سازی: 1 اسفند 1401
چکیده مقاله:
در حال حاضر بهره برداری از اکثر سدهای مخزنی کشور در شرایط سیلابی به صورت تجربی می باشد و عملا دستورالعمل مدونی برای تعیین میزان خروجی در زمان وقوع سیلاب خصوصا در حوزه های فاقد سیستم هشدار و پیش بینی سیلاب وجود ندارد. در این تحقیق سعی شده است با توجه به سابقه سیلاب های به وقوع پیوسته در سیستم رودخانه- مخزن کارون، بهینه سازی بهره برداری از سد شهید عباسپور به نوعی صورت گیرد که میزان تجاوز دبی خروجی از دبی سالم رودخانه پایین دست حداقل شود. به منظور تعیین خروجی های مخزن در شرایط سیلابی از مدل الگوریتم ژنتیک که به همین منظور تدوین شده، استفاده شده است. تابع هدف این مدل به صورت پارامتری درنظر گرفته شده بدین معنی که نسبت خسارت با توجه به میزان تجاوز جریان از حد مجاز توسط مدل تعیین می شود. کارایی مدل ژنتیک با سیلاب های تاریخی و سیلاب های بازسازی شده با دوره بازگشت ۵۰ ساله بررسی شده است. خروجی مدل الگوریتم ژنتیک با استفاده از روش K- نزدیکترین همسایه (K-NN) جهت تدوین سیاست های بهره برداری در زمان سیلاب استفاده شده و نتایج آن با معادله رگرسیون خطی برای شبیه سازی مقایسه شده است. نتایج به دست آمده از این دو مدل بیانگر کارائی آنها در تدوین سیاست بهره برداری از سد در زمان وقوع سیلاب می باشد.
کلیدواژه ها:
نویسندگان
بنفشه زهرایی
استادیار /و عضو قطب علمی مهندسی و مدیریت زیرساخت ها، دانشکده فنی دانشگاه تهران
آذر تکشی
کارشناس ارشد/ دانشکده مهندسی عمران، دانشگاه تهران.
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 :