ارزیابی شبیه سازی رواناب حوزه های برفی با مدل شبیه سازی (srm) و شبکه عصبی برای برآورد انرژی برقابی در مواجهه با کمبود آمار
Authors
abstract
نیروگاه های برقابی کوچک می توانند در تولید انرژی نقش زیادی ایفا نمایند. سرشاخه های رودخانه ها مکان های مناسبی برای احداث این نیروگاه ها می باشند، ولی معمولاً این مناطق برفگیر هستند و به علت مشکلات دسترسی، فاقد آمار و یا کم آمار هستند. در این تحقیق تلاش شده تا با استفاده از حداقل آمار و اطلاعات در دسترس، شبیه سازی جریان در حوضه برفگیر سردآبرود که حوضه ای نسبتاً کوچک و دارای آمار کم می باشد به وسیله مدل srm1 و شبکه های عصبی مصنوعی (anns)2 به انجام رسد و سپس اثر خطا در برآورد جریان به واسطه اطلاعات کم، بر مقدار برآورد انرژی تولیدی بررسی گردد. در اجرای مدل srm نیاز به سطح تحت پوشش برف می باشد که با استفاده از تصاویر سنجنده avhrr3 ماهواره noaa4 برای سال های 1999 و 2000 تأمین شد. برای anns مرحله آموزش با 1 (سال 1999 با استفاده از ایستگاه های موجود در منطقه) و 3 سال (1997 لغایت 1999 با استفاده از ایستگاه های منطقه و ایستگاه های مجاور) به طور جداگانه انجام و در هر دو مورد سال 2000 برای صحت سنجی در نظر گرفته شد. نتایج نشان داد در صورتی که anns با آمار روزانه سه سال آموزش داده شود می تواند نتایج بهتری از srm ارائه کند. هرچند هر دو روش در برآورد پرآبی ها با مشکلاتی همراه هستند. برای بررسی اثر نتایج بالا در تولید برق، با استفاده از روش های تداوم جریان و روندیابی متوالی جریان، میزان انرژی تولیدی برآورد و با هم مقایسه گردید. در این خصوص از نرم افزار retscreen و برنامه ای که طی تحقیق توسعه یافت، استفاده گشت. نتایج این بخش نشان داد که در شرایط مساوی طول دوره آماری (1999 و 2000) مدل srm به طور مطلوب تری شبیه سازی جریان و متعاقب آن تولید انرژی را محاسبه کرده است. ولی در مورد anns با سه سال آموزش، نتایج به srm نزدیک تر می گردد. هرچند رواناب شبیه سازی شده با srm تولید برق را بهتر برآورد کرده است که علت آن را باید در شبیه سازی بهتر جریان در محدوده مورد استفاده برای توربین های نیروگاه یافت.
similar resources
ارزیابی شبیه سازی رواناب حوزه های برفی با مدل شبیه‌سازی (SRM) و شبکه عصبی برای برآورد انرژی برقابی در مواجهه با کمبود آمار
نیروگاه‌های برقابی کوچک می‌توانند در تولید انرژی نقش زیادی ایفا نمایند. سرشاخه‌های رودخانه‌ها مکان‌های مناسبی برای احداث این نیروگاه‌ها می‌باشند، ولی معمولاً این مناطق برفگیر هستند و به علت مشکلات دسترسی، فاقد آمار و یا کم‌آمار هستند. در این تحقیق تلاش شده تا با استفاده از حداقل آمار و اطلاعات در دسترس، شبیه‌سازی جریان در حوضه برفگیر سردآبرود که حوضه‌ای نسبتاً کوچک و دارای آمار کم می‌باشد به وس...
full textشبیه سازی فرآیند بارش رواناب در حوزه آبخیز ناورود با مدل ولترای مرتبه محدود و شبکه های عصبی مصنوعی
This study evaluates the performance of the linear first-order Volterra model for simulating nonlinear rainfall-runoff process. For this end, fifteen storm events over the Navrood River basin were collected. 70% and 30% of the events were used to calibrate and test the suitability of the model. Finally, the performance of the model was compared with the artificial neural networks (multilayer pe...
full textارزیابی کارآیی مدل SRM و HBV در شبیه سازی رواناب ناشی از ذوب برف در حوزه آبخیز بوجین
پیش‌بینی ذوب برف در حوزه‌های کوهستانی نقش مهمی در مدیریت منابع آبی ایفا می‌کند. لذا هیدرولوژی برف در این مناطق از اهمیت زیادی برخورداراست. در این پژوهش به دلیل نبود داده برف در حوزه بوجین از مدل SRM و HBV برای شبیه‌سازی ذوب برف استفاده گردید. ابتدا داده‌های دبی، بارش در دوره آماری 1387 تا 1389 تهیه و صحت سنجی گردید. به‌منظور پایش زمانی و مکانی سطح پوشش برف در مدل SRM، از داده‌های سنجندهMODIS در...
full textشبیه سازی فرآیند بارش- رواناب با بکارگیری شبکه عصبی مصنوعی (ANN) و مدل HEC-HMS ( مطالعه موردی حوزه آبخیز کسیلیان)
برای شبیه سازی فرآیند بارش - رواناب در سطح حوزه آبخیز کسیلیان با مساحت حدود 68 کیلومترمربع واقع در شمال ایران، مدل (HEC-HMS) و روش شبکه عصبی مصنوعی(ANN) بکار گرفته شد. شبکه عصبی دارای قابلیت بالایی برای برقراری ارتباط بین داده های ورودی و خروجی و مدل(HEC-HMS) دارای قابلیت بالایی در بهینه سازی آبنمود شبیه سازی شده می باشد. عامل هدر رفت اولیه خاک به عنوان یک معیار کمی در برگیرنده سه فاک...
full textشبیه سازی فرآیند بارش- رواناب در حوزه‌های با آمار کم با استفاده از مدل wms (مطالعه موردی؛ حوزه آبخیز چالوس)
WMSاز جمله سیستمهای مدلسازی هیدرولوژیک و هیدرولیک مربوط به حوزه آبخیز است. این مدل برای آ‌نالیز حساسیت و تخمین رواناب ناشی از آن به روش SCS در حوزه آبخیز چالوس واقع در استان مازندران استفاده شده است. ابتدا با استفاده از نقشههای ارتفاعی با ساختار رستری DEM به کمک نرمافزارTOPAZ،آبراههها و شبکه رودخانهای حوزهها مشخص شد و با همپوشانی نقشه فوق با نقشه...
full textشبیه سازی بارش- رواناب با استفاده از شبکه عصبی مصنوعی(مورد: حوضه آبخیز فریدن)
سیل، یکی از پدیده‌های ویرانگر طبیعی است که پیش‌بینی آن از اهمیت بالایی برخوردار است و در این میان برآورد بارش- رواناب به دلیل تأثیرگذاری عوامل مختلف، دشوار است. در این پژوهش با استفاده از شبکه پرسپترون چند لایه(MLP)، قانون یادگیری پس‌انتشار خطا(BP)، الگوریتم لونبرگ- مارکوارت(LM) و معیارهای RMSE و R2 جهت کارایی مدل، 6 سناریو تعریف گردید. بررسی حالات مختلف نشان داد که بهترین مدل شبکه عصبی جهت شبی...
full textMy Resources
Save resource for easier access later
Journal title:
تحقیقات منابع آب ایرانجلد ۶، شماره ۳، صفحات ۱۲-۲۴
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023