واسنجی اتوماتیک مدل بارش ـ رواناب با استفاده از روش بهینه سازی sce
نویسندگان
چکیده
کاربرد موفقیتآمیز مدل های مفهومی بارش ـ رواناب(crr) به چگونگی واسنجی پارامترهای آنها بستگی دارد. مدل های crr عموماً دارای پارامترهای زیادی هستند که نمیتوان آنها را بصورت مستقیم اندازهگیری نمود و لازم است که آنها را در طول واسنجی مدل تخمین زد. هدف از انجام واسنجی، یافتن مقادیر آن سری از پارامترهایی است که باعث بهینه شدن معیارهای نیکویی واسنجی میشوند. با وجود عمومیت کاربرد این مدل ها، در صورتی که نتوان یک مقدار بهینه برای پارامترهای مدل crr با استفاده از واسنجی اتوماتیک بدست آورد کاربرد آن مدل ها بسیار مشکل می شود. در این تحقیق از یک روش توسعه یافته بهینه سازی سراسری به نام(sce) برای واسنجی پارامترهای مدل crr استفاده شده است. این روش براساس طبیعت مسائل بهینه سازی مدلcrr ، به اشتراک گذاشتن اطلاعات و مفاهیم تکامل تصادفی و رقابتی جوامع توسعه داده شده و توان بسیار بالایی در پیدا کردن نقاط بهینه سراسری دارد. نتایج نشان می دهند که روش توسعه داده شده در این تحقیق دقیقتر از دیگر روش های موجود sce می باشد. همچنین برای افزایش کارائی و راندمان روش توسعه داده شده sce، از تکنیک های ابتکاری جهت کاهش حجم حافظه و زمان اجرای برنامه و از تکنیک ماتریس اسپارس برای مدیریت و بازیابی اطلاعات استفاده شده است. با استفاده از این روش می توان مسائل واسنجی خودکار مدل های بارش رواناب تا 35 پارامتر(بعد) را نیز کالیبره نمود. روش واسنجی اتوماتیک در زیرحوضه گاماسیاب در شمال غربی حوضه رودخانه کرخه مورد آزمون قرار گرفته است. معیارهای ارزیابی و نتایج نشان می دهند که روش توسعه داده شده برای واسنجی خودکار پارامترهای مدل crr دارای دقت و کارائی بالائی می باشد.
منابع مشابه
واسنجی اتوماتیک مدل بارش ـ رواناب با استفاده از روش بهینهسازی SCE
کاربرد موفقیتآمیز مدلهای مفهومی بارش ـ رواناب(CRR) به چگونگی واسنجی پارامترهای آنها بستگی دارد. مدلهای CRR عموماً دارای پارامترهای زیادی هستند که نمیتوان آنها را بصورت مستقیم اندازهگیری نمود و لازم است که آنها را در طول واسنجی مدل تخمین زد. هدف از انجام واسنجی، یافتن مقادیر آن سری از پارامترهایی است که باعث بهینه شدن معیارهای نیکویی واسنجی میشوند. با وجود عمومیت کاربرد این مدلها، در صورتی...
متن کاملواسنجی خودکار مدل بارش- رواناب مفهومی ARNO
شبیهسازی بارش- رواناب از محورهای اصلی هیدرولوژی است. در میان انواع مدلهای بارش- رواناب، مدلهای مفهومی بسیار مورد استفاده قرار میگیرند. با این حال، واسنجی مدلهای مفهومی بارش- رواناب در دهههای اخیر به عنوان یک چالش مطرح بوده است. در این پژوهش مدل مفهومی بارش- رواناب ARNO با استفاده از الگوریتم ژنتیک، به واسنجی خودکار تجهیز شده است. این مدل از نوع پیوسته نیمه توزیعی بوده و در نقاط گوناگون ...
متن کاملواسنجی غیرقطعی پارامترهای مدل بارش-رواناب HEC-1 با استفاده از الگوریتم SUFI
یکی از روشهای متداول در شبیهسازی سیلاب، استفاده از مدلهای بارش–رواناب است. همچنین، واسنجی پارامترهای مدلهای بارش-رواناب از جمله مسائل مهم و چالش انگیز در شبیهسازی سیلاب است. با توجه به رفتار تصادفی و غیرقطعی پارامترهای مدلهای بارش-رواناب، استفاده از روشهای بهینهیابی قطعی واسنجی همواره نتایج صحیحی را ارائه نمیدهد. از این رو در این تحقیق سعی شده است، با استفاده یک رویکرد غیرقطعی و استفاد...
متن کاملبهینه سازی پارامترهای حساس مدل بارش ـ رواناب hec-hms به وسیلة الگوریتم فراکاوشی بهینه سازیpso
محدودیتهای ساختاری مدلهای هیدرولوژیکی و عدم دسترسی به همة پارامترهای حوضة آبخیز همچنین عدم امکان تعیین دقیق شرایط مرزی و شرایط اولیه، واسنجی مدلهای هیدرولوژیک را ایجاب میکند. با توجه به زمان بربودن واسنجی دستی، بهویژه هنگامی که دادهها کم و پارامترها فراوان اند، روشهای واسنجی خودکار، مبتنی بر استفاده از روشهای جست وجوی سیستماتیک در فضای چندبعدی، با استفاده از یک تابع هدف، بسیار سودمند ا...
متن کاملواسنجی خودکار دو مدل بارش - رواناب تانک و simhyd با استفاده از الگوریتم ژنتیک
شبیه سازی روابط بارش- رواناب کانون اصلی توجه تحقیقات هیدرولوژی در دهه های گذشته بوده و مدلهای زیادی برای این منظور پیشنهاد شده است. انتخاب مدل به هدف از مدل سازی و اطلاعات در دسترس بستگی دارد. در این مطالعه، عملکرد نسبی دو مدل یکپارچه و مفهومی تانک[1] و simhyd مقایسه شد. در هر دو مدل ذکرشده محدودة تغییرات پارامترها زیاد است؛ در نتیجه، استفاده از روش سعی و خطا برای بهینه سازی پارامترها مشکل...
متن کاملمدل سازی بارش رواناب با استفاده از مدل های هوشمند هیبریدی
بارش-رواناب یکی از فرایندهای مهم در مطالعات منابع آب بشمار میرود. در این تحقیق فرآیند بارش-رواناب روزانه در حوضه آبریز بالیخلوچای با استفاده از ماشین بردار پشتیبان، شبکه های عصبی مصنوعی، هیبرید موجک-ماشین بردار پشتیبان و هیبرید موجک-شبکه عصبی مورد مطالعه و مقایسه قرار گرفته است. داده های بارش-رواناب روزانه در طول دوره آماری (1379-1387) برای آموزش و صحتسنجی مدل ها مورد استفاده قرار گرفت. د...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
تحقیقات منابع آب ایرانجلد ۲، شماره ۲، صفحات ۳۹-۵۲
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023