مدلسازی و بهینه سازی بارش-رواناب ایستگاه هابز بروک با استفاده از الگوریتم ژنتیک
محل انتشار: پنجمین کنفرانس آب،پساب و پسماند
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 787
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:
PASAB05_003
تاریخ نمایه سازی: 18 دی 1393
چکیده مقاله:
با توجه به کمبود آب در دنیا ارائه راهکارهای نوین برای کنترل بحران آب ضروری به نظر میرسد. از سوی دیگر اهمیت و نقش فرآیند بارش-رواناب در مطالعات منابع آب موجب شده که این فرآیند از دیر باز مورد توجه متخصصین قرار گیرد.از این رو روش های متعددی همچون الگوریتم ژنتیک، شبکه های عصبی مصنوعی استاتیک و دینامیک، سیستم های فازی و نرو فازی، آنالیز موجک، برای مدلسازی این فرایند توسعه یافته است. در این تحقیق از الگوریتم ژنتیکبرای مدلسازی فرآیند بارش-رواناب ماهانه در حوضه آبریز ایستگاه شماره 0104430 سازمان زمین شناسی ایالات متحده (USGS) با نام هابز بروک استفاده گردید. در تحقیق حاضر داده های ورودی به صورت داده های روزانه مدل سازی گردیدند. سپس به منظور کاهش خطا، داده ها در دوره های 7 و 10 روزه مجموع متحرک گشته و مدل سازی شدند.نتایج حاصل حاکی از کاهش خطای مدلسازی به هنگام مجموع متحرک کردن داده ها برای داده های ورودی مدلسازی و تحلیل پدیده غیر خطی تغییرات جریان رودخانه نسبت به بارش می باشد.همچنین با استفاده از روش ذکرشده در این تحقیق می توان برآورد مناسبی از جریان رودخانه برای تحلیل بهتر عملکرد رودخانه، مدیریت طغیان ها،سیلاب های ناشی از بارش و در مجموع مدیریت بهینه ی منابع آب، داشت.
کلیدواژه ها:
نویسندگان
سعید هاشمی کیا
دانشجوی کارشناسی ارشد سازه های آبی گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز
سیداحمدی میرباقری
استاد گروه مهندسی محیط زیست، دانشکده مهندسی عمران، دانشگاه صنعتی خواجه نصیرالدین طوسی تهران
سجاد آیشم
دانشجوی کارشناسی ارشد منابع آب ، گروه مهندسی منابع آب، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه
سیما ملک محمدی
دانشجویکارشناسی ارشدگروه مهندسیمحیطزیست،دانشکده مهندسیعمران،دانشگاه صنعتی خواجه نصیرالدین طوسیتهران
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 :