مدل سازی فرآیند بارش رواناب با استفاده از مدل مفهومی و الگوریتم فراکاوشی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 480

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

AETCONF04_109

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

کاربرد موفقیت آمیز مدل های پیش بینی بارش - رواناب به نحوه ی واسنجی پارامترهای آنها بستگی دارد. در هیدرولوژیو منابع آب، این مدل ها با شبیهسازی فر آیند بارش- رواناب، مقدار رواناب را در حوزههای آبخیز بدون ایستگاه اندازه گیری و با حداقل زمان ممکن و کم ترین هز ینه برآورد می کنند. تخمین پارامترهای این گونه مدل ها عموما به صورت مستقیم به دلیل تعدادبالای پارامترها غیر ممکن می باشد و لازم است به کمک ابزارهای بهینه سازی (واسنجی مدل) آنها را برآورد نمود.در تحقیق حاضر واسنجی پارامترهای مدل بارش رواناب روزانه Hymod (یک مدل مفهومی بارش رواناب) با استفاده ازالگوریتم فراکاوشی PSO ، انجام شد . ارزیابی روش واسنجی مذکور با استفاده از داده های روزانه بارش و تبخیر وتعرق برای 3 سال در حوضه رودخانه خرمآباد انجام گردید . مقایسه مقادیر دبی شبیه سازی شده و مشاهده شده باکمک معیارهای ارزیابی مدل، نشان از کارایی بالای این روش در زمینه واسنجی چند هدفه مدل های بارش رواناب دارد.

نویسندگان

زینب بیرانوند

فارغ التحصیل ارشد منابع آب دانشگاه زابل

علی حقی زاده

استادیار دانشگاه لرستان

سیدحسین صادقیان

کارشناس ارشد سازه های آبی دانشگاه علوم و تحقیقات اهواز

کیانوش بیرانوند

فارغ التحصیل ارشد عمران دانشگاه علم و صنعت

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 :
  • انسانیت، ن.ح. 1391. شبیه‌سازی رواناب روزانه با استفاده از الگوریتم ...
  • Fan, S. K. S. Liang, Y. C. and E. Zahara. ...
  • Zhang, X. Srinivasan, R. Arnold, _ Izaurralde, R. C. and ...
  • Boyle, D. P. 2000. Multicriteria calibration of hydrologic models .Ph. ...
  • Boyle, D. P., Gupta, H. V. and S. Sorooshian. 2000. ...
  • Borhani Darian, A. R. and Z. Farahmand far. 2011. Calibration ...
  • Chang, J. X., Bai, T., Huang, Q. and D. W. ...
  • Duan, Q. Sorooshian, S. and V.K. Gupta. 1992. Effective and ...
  • Duan, Q. Sorooshian, S. and V.K. Gupta. 1993. Shuffled complex ...
  • Duan, Q. Sorooshian, S. and V.K. Gupta. 1994. Optimal use ...
  • Eusuff, M. and K. Lansey. 2003. Optimization of water distribution ...
  • Eusuff, M. Lansey, K. and F. Pasha. 2006. Shuffled frog-leaping ...
  • Gupta, H. V. Kling, H. Yilmaz, K. K. and G.F. ...
  • Kennedy, J., and R., Eberhart, 1995. Particle Swarm Optimization. Proceedings ...
  • Matott, L. S. Tolson, B. A. and M. Asadzadeh. 2012. ...
  • Misirli, F. 2003. Improving efficiency and effectiveness of Bayesian recursive ...
  • Liu, S. Butler, D. and R. Brazier. 2007. Using genetic ...
  • Shawn, M. Beth, H. Camden, R. Christine, B. and A. ...
  • Vrugt, J. A. Bouten, W. Gupta, H. V. and S. ...
  • Vrugt, J. A. Gupta, H. V. Bouten, W. and S. ...
  • Wang, F. and Y. Qiu. 2005. A modified particle swarm ...
  • Wu, Y. Liu, S. Li, Z. Dahal, D. Young, C. ...
  • Yang, X. S. 2009. Firefly algorithm for multimodal optimization in ...
  • Yapo, P. O. Gupta, H. V. and S. Sorooshian. 1998. ...
  • Zhang, X. Srinivasan, R. Zhao, K. and Van M. Liew. ...
  • نمایش کامل مراجع