CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

اثر مقیاس زمانی مدلسازی بر کالیبراسیون مدل های هیدرولوژیکی با استفاده از جذب داده

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۱۳ | تعداد نمایش خلاصه: ۴۰ | نظرات: ۰
سال انتشار: ۱۳۹۶
کد COI مقاله: CICEAUD01_0104
زبان مقاله: فارسی
حجم فایل: ۱۰۰۰.۰۱ کیلوبایت (فایل این مقاله در ۱۳ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۱۳ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۳ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله اثر مقیاس زمانی مدلسازی بر کالیبراسیون مدل های هیدرولوژیکی با استفاده از جذب داده

  مهراد بیات - کارشناسی ارشد مهندسی عمران مدیریت منابع آب، دانشگاه علم و صنعت ایران، تهران
  حسین علیزاده - استادیار دانشکده ی مهندسی عمران، دانشگاه علم و صنعت ایران، تهران
  برات مجردی - استادیار دانشکده ی مهندسی عمران، دانشگاه علم و صنعت ایران، تهران

چکیده مقاله:

امروزه جذب داده به عنوان یکی از موثرترین روش های تخمین پارامترهای مدل ها و پیش بینی متغیرهای هیدرولوژیکی شناخته می شود. اغلب پژوهش های انجام شده در زمینه ی جذب داده در مدل های هیدرولوژیکی، در مقیاس روزانه صورت گرفته و استفاده از این روش در مقیاس ماهانه چندان مورد توجه نبوده است. در این پژوهش به منظور نشان دادن توانایی جذب داده در شبیه سازی های ماهانه، از الگوریتم فیلتر آنسامبل کالمن (EnKF) در کنار مدل SWAT و به منظور تخمین پارامتر و پیش بینی رواناب حوضه ی آبریز مهابادچای از زیرحوضه های دریاچه ی ارومیه، استفاده شد. فرایند تخمین یک بار در مقیاس ماهانه و بار دیگر در مقیاس روزانه صورت پذیرفت. پس از مدلسازی محدوده ی مطالعاتی، به منظور پیش بینی رواناب و تخمین پارامترهای مدل SWAT الگوریتم فیلتر آنسامبل کالمن (EnKF) در قالب روش تخمین متصل متغیر حالت-پارامتر در محیط نرم افزار MATLAB برنامه نویسی شد. سپس با استفاده از فراخوانی مدل SWAT در محیط MATLAB الگوریتم EnKF و مدل در کنار یکدیگر اجرا شدند. نتایج شبیه سازی های روزانه و ماهانه با استفاده از معیارهای نکویی برازش مختلف سنجیده شد. در پایان مشاهده شد که مقادیر معیارهای نکویی برازش برای اجرای ماهانه مناسبتر بوده که این موضوع حاکی از فراهم بودن امکان شبیه سازی مناسب در مقیاس ماهانه است. از طرفی علیرغم آنکه تعداد گام های زمانی اجرای مدل و جذب مشاهدات در مقیاس ماهانه کمتر از مقیاس روزانه بود، اما میزان همگرایی پارامترها در مقیاس ماهانه بیشتر است.

کلیدواژه‌ها:

کالیبراسیون، پیش بینی، SWAT، جذب داده، فیلتر آنسامبل کالمن

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-CICEAUD01-CICEAUD01_0104.html
کد COI مقاله: CICEAUD01_0104

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
بیات, مهراد؛ حسین علیزاده و برات مجردی، ۱۳۹۶، اثر مقیاس زمانی مدلسازی بر کالیبراسیون مدل های هیدرولوژیکی با استفاده از جذب داده، کنفرانس بین المللی عمران،معماری و شهرسازی ایران معاصر، تهران، دانشگاه اسوه - تهران - دانشگاه شهید بهشتی، https://www.civilica.com/Paper-CICEAUD01-CICEAUD01_0104.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (بیات, مهراد؛ حسین علیزاده و برات مجردی، ۱۳۹۶)
برای بار دوم به بعد: (بیات؛ علیزاده و مجردی، ۱۳۹۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۱۷۶۰۶
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.