رویکرد الگوریتم‌ جدید SP-UCI در واسنجی خودکار مدل بارش-رواناب : مطالعه موردی حوضه آبریز تمر

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 751

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

EECICO01_388

تاریخ نمایه سازی: 18 بهمن 1392

چکیده مقاله:

سیلاب یکی از پدیده های تاثیرگذار و متقابلاً تاثیرپذیر بر محیط‌زیست بوده و امروزه بررسی تاثیرات مثبت و منفی آن در مسائل زیست‌محیطی از اهمیت ویژه‌ای برخوردار شده است. بدین منظور پیش‌بینی کمیت و زمان وقوع سیل مورد توجه محققین بسیاری قرار گرفته است. مهمترین هدف در واسنجی مدل پیش-بینی سیلاب یافتن مقادیر بهینه پارامترهای اصلی مدل می‌باشد، بنحوی که کاربرد بهینه مدل شبیه‌سازی در گرو واسنجی دقیق پارامترها است. واسنجی مدل بارش-رواناب بواسطه پیچیدگی و غیرخطی بودن روابط حاکم بر فرایند بارش-رواناب و همچنین تعدد پارامترهای تاثیرگذار و عدم‌قطعیت آن‌ها، امری مشکل، زمان‌بر و در برخی موارد غیرممکن می‌باشد. با بهره‌گیری از الگوریتم‌های بهینه‌سازی تکاملی که از نظریه تکاملی تدریجی داروین الگوبرداری شده‌ و بر پایه جمعیت گسترش می‌یابند و نیز دارای استراتژی‌هایی هستند که امکان خروج مسئله از کمینه‌های محلی را میسر می‌سازند می‌توان این قبیل مسائل پیچیده را در زمانی کمتر و با دقتی بالاتر بهینه کرد. در این تحقیق با استفاده از الگوریتم بهینه‌سازی SP-UCI که قابلیت حل مسائلی با ابعاد بالا را دارد، به واسنجی خودکار مدل بارش-رواناب در حوضه آبریز تمر از حوضه‌های استان گلستان پرداخته تا مقادیر بهینه پارامترهای مدل بدست آیند. نتایج بدست آمده نشان‌دهنده دقت و سرعت بالای این الگوریتم بهینه‌سازی نسبت به واسنجی دستی مدل می‌باشد.

نویسندگان

امید خورشیدی

دانشجوی کارشناسی ارشد سازه های هیدرولیکی، دانشگاه آزاد اسلامی واحد دزفول

محمد ذاکرمشفق

استادیار گروه مهندسی عمران، دانشگاه صنعتی جندی شاپور دزفول

علی محمد اخوند علی

استاد گروه مهندسی منابع آب، دانشگاه شهید چمران اهواز

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 :
  • قادری، کوروش، محمدولی سامانی، جمال، اسلامی، حمیدرضا، ثقفیان، بهرام؛ واسنجی ...
  • محمودی کلیمی، خدیجه، کرمی، غلامحسین، یخکشی، ابراهیم؛ ازیابی زیست‌محیطی سیلاب‌های ...
  • Chapman, T.G. , Optimization of a Ra infall-Runoff Model for ...
  • /4] Cullmann, J., Krausse, T., Saile, P., Parameterising hydrological models ...
  • Duan, Q., Sorooshian, S. Gupta, H., Shaffled Complex Evolution Approach ...
  • Nash, J.E. and Sutcliffe J.V., River flow forecasting through conceptual ...
  • Nourani, V., Hosseini Baghanam, A., Adamowsk, J., Gebremichael, M., Using ...
  • Piotrowski, A.P. and Napiorkowski, J.J., Product-Unis neural networks for catchment ...
  • Scha rffenberger, W.A. and Fleming, M.J., Hydrologic Modeling System HEC-HMS ...
  • Wei, Ch., Gao, X., Sorooshian, S., A new evolutionary search ...
  • Zake rmoshfegh, M., Neishabouri, S.A.A.S., Lucas, C, Automatic Calibration of ...
  • نمایش کامل مراجع