مدل شبکه های بیزین برای بررسی تأثیر بارش پیشین بر پیش بینی وقوع سیلاب واریزهای در ناحیه البرز ایران
Authors
Abstract:
تحلیل خطر سیلاب واریزهای، به علت پیچیدگی و عدم قطعیت عوامل مختلف مربوط به آن، یک موضوع چالش برانگیز است. در تحقیق حاضر، اثر بارش پیشین بر رخداد سیلاب واریزهای با استفاده از مدل بیزین در ناحیه البرز ایران ارزیابی شده است. در این مدل از متوسط ارتفاع، شیب حوضه، مساحت، بارش فعلی، بارش پیشین (به مدت 3 روز قبل از وقوع سیلاب واریزهای) و دبی جریان 1 روز قبل، استفاده شده است. 6 سناریو شامل مقدار بارش پیشین 3 روز قبل به صورت مجزا، بارش پیشین 2 روز قبل به صورت مجزا، بارش پیشین 1 روز قبل، مقدار تجمعی بارش پیشین 3 روز قبل، مقدار تجمعی بارش پیشین 2 روز قبل و حذف اثر بارش پیشین در نظر گرفته شد. نتایج نشان داد، دقت مدل در حالت بارش پیشین مجزا، 13 درصد نسبت به حالت بارش پیشین تجمعی بیشتر است و بالاترین دقت مدل به ازای سناریو بارش پیشین 3 روز قبل به صورت مجزا، معادل 91 درصد برآورد شد. همچنین، حذف اثر هر یک از بارش پیشین از ورودی مدل باعث افت عملکرد آن میشود. مدل پیشنهادی این تحقیق، قادر به ارائه نتایج قابل اعتماد برای سیستمهای هشدار خطر سیلاب واریزهای در حوضه های آبریز میباشد.
similar resources
احتمال وقوع بارش های روزانه ی ایران و پیش بینی آن با مدل زنجیره ی مارکوف
در این پژوهش، وقوع بارش های ایران بر اساس قوانین احتمال به صورت فرایندهای تصادفی و با استفاده از مدل زنجیره مارکوف واکاوی شد. برای رسیدن به این هدف، از داده های رخداد و رخنداد بارش پایگاه داده اسفزاری به مدت ۴۳ سال (۱/۱/۱۳۴۰ تا ۱۱/۱۰/۱۳۸۳) استفاده شد. این اطلاعات بر روی۷۱۸۷ یاخته و شامل ۱۵۹۹۱ روز است. با استفاده از مدل زنجیره مارکوف مرتبه اول با دو حالت بارش و بی بارش، آرایه فراوانی تشکیل و سپس...
full textارزیابی مدل شبکه های بیزین در پیش بینی ماهانل سطح آب زیرزمینی (مطالعۀ موردی: آبخوان بیرجند)
اساس برنامهریزیهای منابع آب بر پایۀ حجم آب قابل استحصال در آبخوان است و برآورد دقیق این حجم از آب زیرزمینی، کمک شایانی به توسعه میکند. در این مطالعه، از مدلهای بیزین با استفاده از دو ساختار خوشهبندی و صریح برای شبیهسازی سطح آب زیرزمینی آبخوان بیرجند استفاده شد. پنج متغیر تغذیۀ آبخوان، سطح ایستابی، دما، تبخیر و برداشت از آب زیرزمینی در ماه قبل بهعنوان متغیرهای ورودی به شبکۀ بیزین و سطح آب...
full textکاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه
پیشبینی بارش یکی از مهمترین مسائل در زمینه مدیریت بهینه منابع آب در بخشهای مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیشبینی بارش زمستانه استان خراسان رضوی با استفاده از شبکههای عصبی مصنوعی میباشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقهای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...
full textپیش بینی وقوع سیلاب ها بر اساس موقعیت های سینوپتیکی در ساحل جنوبی دریای خزر
بارش های سیل زا در ساحل شمالی ایران براساس نقشه های روزانه سطح زمین و ترازهای بالا طی دوره آماری سی ساله (1970 الی 1999) بررسی گردید. نتایج حاصله بیانگر آن است که سه نوع توده هوا و سیستم فشاری در ریزش بارش سواحل جنوبی دریای خزر مؤثراست که عبارتند از: سیستم های کم فشار، چرخندها و واچرخندهای مهاجر. در بین این سه عامل، شدیدترین بارش ها مربوط به چرخندها و واچرخندهای مهاجر است. هرگاه در ساحل جنوبی...
full textپس پردازش خروجی مدل های پیش بینی عددی بارش پایگاه داده TIGGE با مدل میانگین گیری بیزین (BMA)
بارش یکی از مهمترین پدیدههای هواشناسی و محرک اصلی در پیشبینی جریان رودخانه است. از اینرو تشخیص مقدار بارش در آینده کمک شایانی به مدیریت منابع آب و پیشبینی سیلاب میکند. در همین راستا برخی از مهمترین مراکز هواشناسی دنیا پیشبینیهای عددی بارش را در مقیاس جهانی در اختیار کاربران قرار دادند. در دسترس بودن مدلهای پیشبینی گروهی جهانی در پایگاه داده TIGGE فرصتهای جدیدی را برای پیشبینی سیلاب ...
full textمدل پیش بینی فراوانی وقوع تصادف برای گذرگاههای ریلی- جاده ای ایران
در سیستم حمل و نقل ریلی، گذر اههای ریلی- جاده ای از نظر ایمنی به عنوان یک نقطه بحرانی و درسیستم جاده ای به عنوان یک مکان دارای شرایط خاص مانند پل و تونل، شناخته می شوند . بررسیها نشان می دهند هرچند تعداد تصادفها در گذرگاهها نسبت به دیگر نقاط جاده ای درایران کم است، اما نسبت به تعداد گذرگاهها و نیز نسبت به سوانح را ه آهن بسیار بالا است. شناسایی گذرگاههای پرخطر به منظور بهسازی سریع و تخصیص بهینه...
full textMy Resources
Journal title
volume 13 issue 4
pages 118- 131
publication date 2017-12-22
By following a journal you will be notified via email when a new issue of this journal is published.
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023