کاربرد شبکه عصبی مصنوعی در روندیابی زمان واقعی سیلاب رودخانه

سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,270

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IHC08_056

تاریخ نمایه سازی: 3 شهریور 1388

چکیده مقاله:

مطالعات حاضر بر روی رودخانه مادرسو و به منظور افزایش پایداری ماجول روندیابی هیدرولیکی سیستم هشدار سیل سد گلستان انجام شد. برای تهیه هیدروگراف های ورودی به ابتدای بازه اصلی رودخانه و همچنین جریان های جانبی ورودی به شاخه اصلی، از مدل واسنجی شده بارش رواناب HEC-1 استفاده شد. با برنامه نویسی در محیط نرم افزار MATLAB، مدل هیدرولوژیک بارها تحت شرایط متفاوت از لحاظ مقدار، شدت و توزیع زمانی بارش، فراخوانی و رانش شد. هیدروگراف های تولیدی به مدل روندیابی HEC-RAS وارد شده و در نهایت، روندیابی تحت شرایط غیردائمی انجام و مقادیر تراز سطح آب و دبی ایستگاه پایین دست استخراج شد. با سری های زمانی بدست آمده از مجموعه عملیات فوق، شبکه های عصبی مصنوعی مختلفی تهیه و مورد ارزیابی قرار گرفتند. نتایج نشان داد که اعتمادپذیری جایگزینی مدل شبکه عصبی مصنوعی بجای مدل هیدرولیکی موفقیت آمیز است.

کلیدواژه ها:

روندیابی سیلاب ، شبکه های عصبی مصنوعی ، پیش بینی زمان واقعی سیل ، پایداری عددی

نویسندگان

حسین قلخانی

کارشناس ارشد موسسه تحقیقات آب و مدرس موسسه آموزش عالی غیرانتفاعی ایوا

بهرام ثقفیان

استاد مرکز حفاظت خاک و آبخیزداری

سعید گلیان

کارشناس ارشد موسسه تحقیقات آب و دانشجوی دکتری دانشگاه صنعتی امیرکبیر

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 :
  • قلخانی، حسین، 1385، مدلسازی ریاضی پیش‌بینی و هشدار سیل با ...
  • .UNEP (2002): Early Warning, Forecasting and Operational Flood Risk Monitoring ...
  • Hsu K., Gupta H. V., and Sorooshian S., Artificial neural ...
  • Sajikumar, N., Thandave SWara, B.S., 1999. A non-1inear rainfall-runof model ...
  • Minns, A.W., Hall, M.J., 1996. "Artificial neural networks as rainfall-runof ...
  • Dawson C.W., Harpham C., Wilby R.L, and Chen Y., :Evaluation ...
  • M. Zakermo shfegh, F. Yazdandoost, H. Ghalkhani, B. Bozorgy, M. ...
  • Modarres R., :Multi-Critert validation of artificial neural network rainfall-runof modeling, ...
  • Brath A., Montanari A., and Toth E.. "Neural networks and ...
  • Anctil F., Perrin Ch., and Andreassian V., _ output updating ...
  • Schmitz G.H., Cullmann J., :PAI-OFF: A new proposal for online ...
  • Peters R., Schmitz G., and Culmann J., "Flood routing modeling ...
  • US Army Corpse of Engineering, USACE, _ flood hydrograph package ...
  • US Army Corpse of Engineering, USACE, ":HEC-RAS flood river analysis ...
  • _ Hecht-Nielson .R. (1987), Kolmogorov's Mapping Neural Network Existence Theorem, ...
  • نمایش کامل مراجع