پیش بینی جریان رودخانه با استفاده از مدل های استوکاستیک در مدیریت منابع آب (مطالعه موردی: رودخانه یلفان همدان)
محل انتشار: سومین کنفرانس بین المللی محیط زیست و منابع طبیعی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,109
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IENC03_011
تاریخ نمایه سازی: 11 مرداد 1396
چکیده مقاله:
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.
کلیدواژه ها:
نویسندگان
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 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 :