واسنجی خودکار مدل هیدرودینامیکی و انتقال رسوب غیر چسبنده در رودخانه کرخه بااستفاده از روش الگوریتم تکامل رقابتی جوامع (SCE)
محل انتشار: هشتمین کنفرانس هیدرولیک ایران
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,273
فایل این مقاله در 8 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:
IHC08_069
تاریخ نمایه سازی: 3 شهریور 1388
چکیده مقاله:
کاربرد موفقیت آمیز مدل های ریاضی در علوم آب به چگونگی واسنجی پارامتر های موثر آنها بستگی دارد. با وجود توسعه این مدل ها در صورتی که نتوان یک مقدار بهینه منحصر به فرد برای پارامتر های آن بدست آورد، کاربرد آن مدل ها بسیار مشکل و با خطا همراه است. در این تحقیق برای مدلسازی هیدرولیکی و رسوبی رودخانه کرخه از مدل تک- بعدی (MIKE 11 ST (2007 استفاده شد و برای یافتن مقادیر بهینه پارامتر های مدلسازی هیدرولیکی و رسوبی از قبیل زبری رودخانه، فاکتور اصلاحی انتفال رسوب از ماژول Auto Calibrationمدل MIKE11 که بر اساس الگوریتم بهینه سازی تکامل رقابتی جوامع(SCE) می باشد، استفاده شده است. در این روش می توان این پارامتر ها را در بازه های مختلف رودخانه به صورت مستقل یا وابسته به یکدیگر با استفاده از روش های نوین بهینه سازی و داشتن اندازه گیری های میدانی مناسب و قابل اعتماد تعیین کرد. نتایج بهینه سازی با استفاده از الگوریتم تکامل رقابتی جوامع (SCE) نشان می دهد که این الگوریتم توانایی فوق العاده ای در بهینه سازی پارامتر ها و ضرایب عددی مدل سازی ریاضی داراست و حتی در شرایطی که نقاط اندازه گیری(شاهد) کافی نباشد مدل می تواند همگرا شود البته دقت و سرعت رسیدن به مقدار بهینه پارامتر بستگی زیادی به کیفیت و تعداد نقاط اندازه گیری دارد.
کلیدواژه ها:
نویسندگان
اسماعیل موحد
دانشجوی کارشناسی ارشد سازه های آبی دانشگاه آزاد اسلامی واحد شوشتر
محمود شفاعی بجستان
استاد دانشکده علوم آب دانشگاه شهید چمران اهواز
علیرضا ظهیری
دکترای سازه های آبی، دانشگاه تربیت مدرس
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 :