مدلسازی بارش- رواناب با استفاده از برنامه ریزی ژنتیک(gp) و معادلات دیفرانسیل تصادفی (sde) در حوضه آبریز لیقوان

thesis
abstract

پیش بینی دبی رودخانه ها در کارهای عمرانی، به منظور استفاده بهینه از مخازن سدها، ساماندهی رودخانه و هشدار سیل از اهمیت زیادی برخوردار است. فرآیند بارش- رواناب پدیده ای غیرخطی است و استخراج روابط بین بارش در سطح حوضه و جریان ناشی از آن که به صورت رواناب و سیلاب آشکار می گردد، از دیرباز جزو مهمترین مسائلی بوده که مورد توجه کارشناسان مرتبط با مسائل آب و بویژه هیدرولوژیست ها بوده است. خاصیت غیر خطی، عدم قطعیت ذاتی این پدیده، نیاز به اطلاعات تاریخی طولانی و پیچیده بودن مدل های فیزیکی از دلایلی بوده است که باعث شده محققان به سوی مدل هایی همچون شبکه های عصبی، سیستم های فازی، آنالیز موجک، الگوریتم های تکاملی (الگوریتم ژنتیک و برنامه ریزی ژنتیک و ...) و معادلات دیفرانسیل تصادفی رو آورند. در این تحقیق نحوه مدلسازی فرآیند بارش- رواناب با استفاده از برنامه ریزی ژنتیک و معادلات دیفرانسیل تصادفی ارائه می گردد. معادلات دیفرانسیل تصادفی عدم قطعیت های بالای موجود در فرآیند بارش- رواناب، نویزدار بودن داده ها و خطای مربوط به فرضیات را یکجا به عنوان فرآیند نویز سفید در نظر گرفته و در مدلسازی وارد می کند. برنامه ریزی ژنتیک بین متغیرهای ورودی و خروجی روابطی را به طور تصادفی ایجاد کرده و با استفاده از اصول انتخاب طبیعی داروین، در نهایت بهترین رابطه را ارائه می کند. این مدل ها در حوضه لیقوان واقع در استان آذربایجان شرقی به کار رفت و نتایج آن با داده های مشاهداتی مورد بررسی و مقایسه قرار گرفت. معیارهایی که به منظور ارزیابی کارآیی مدل ها مورد استفاده قرار گرفت شامل: ضریب تعیین ، جذر میانگین مربعات خطا ، درصد خطای حجم هیدروگراف ،درصد خطاهای مربوط به پیش بینی دبی اوج و زمان رسیدن به دبی اوج می باشند. نتایج ارزیابی نشان داد که هر دو مدل فرآیند بارش –رواناب حوضه لیقوان را با دقت قابل قبولی مدلسازی می کنند. دقت مدل حاصل از gp نسبت به sde بیشتر است ولی چون مدل حاصل از sde این امکان را فراهم می کند که بتوان نوسانات رواناب را نیز پیش بینی کرد، لذا در این تحقیق مدل حاصل از sde به عنوان مدل بارش- رواناب حوضه لیقوان پیشنهاد گردیده است. آنالیز حساسیت مدل sde بر مبنای تغییرات پارامترهای آن انجام شد. نتایج نشان دادند که با تغییر پارامترها زمان رسیدن به دبی اوج ثابت و تغییرات دبی اوج زیاد می باشد. چون روابط حاصل از gp دارای پارامتر خاصی نمی باشد، لذا روی این روابط نمی توان تحلیل حساسیت انجام داد.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

مدلسازی فرآیند بارش – رواناب در حوضه لیقوان چای با استفاده از نرون شرطی آستانه دمایی

لزومِ پیشبینى بده رودخانه در کارهاى عمرانى، برنامهریزى براى استفادة بهینه از مخازن سدها، ساماندهىِ رودخانهو هشدار سیل، کاملاً احساس مىشود. در این راستا مسئلۀ بارش- رواناب بیشترین توجه مدلسازهای شبکههای عصبی2 برای پیشبینی بارش- MLP مصنوعی 1 را به خود معطوف کرده است. در این تحقیق از شبکههای عصبی چند لایهرواناب حوضه آبریز برفگیر لیقوانچای واقع در استان آذربایجان شرقی استفاده شده است. اطلاعات این حوضه...

full text

شبیه سازی بارش – رواناب با استفاده از تئوری سیستم گری (مطالعه موردی: حوضه آبریز لیقوان)

  تئوری سیستم گری در پیش‌بینی وقایعی که دارای آمار مشاهداتی کمتری است با توجه به پایه ریاضی مدل، ایفای نقش می‌کند و در هیدرولوژی مشکل کمبود سابقه آماری داده‌ها را مرتفع می‌سازد. شبیه‌سازی  فرآیند بارش – رواناب در این تحقیق با بهره گرفتن از تئوری سیستم گری به کمک نرم افزارMathematica  با استفاده از اطلاعات شش رویداد متناظر بارش- رواناب  باران نگار (هیتوگراف) و هیدرومتری ایستگاه حوضه آبریز لیقوان...

full text

مدلسازی فرآیند بارش – رواناب در حوضه لیقوان چای با استفاده از نرون شرطی آستانه دمایی

لزومِ پیشبینی بده رودخانه در کارهای عمرانی، برنامهریزی برای استفادة بهینه از مخازن سدها، ساماندهیِ رودخانهو هشدار سیل، کاملاً احساس میشود. در این راستا مسئلۀ بارش- رواناب بیشترین توجه مدلسازهای شبکههای عصبی2 برای پیشبینی بارش- mlp مصنوعی 1 را به خود معطوف کرده است. در این تحقیق از شبکههای عصبی چند لایهرواناب حوضه آبریز برفگیر لیقوانچای واقع در استان آذربایجان شرقی استفاده شده است. اطلاعات این حوضه...

full text

برنامه‌ریزی ژنتیک و کاربرد آن در مدل‌سازی فرآیند بارش- رواناب

نقش و اهمیت فرآیند بارش-رواناب در مطالعات منابع آب موجب شده که این فرآیند از دیر باز مورد توجه متخصصین قرار گیرد. از این رو روش های متعددی همچون شبکه های عصبی مصنوعی، سیستم های فازی و نرو فازی، آنالیز موجک، الگوریتم ژنتیک، برنامه‌ریزی ژنتیک و معادلات دیفرانسیل تصادفی برای مدلسازی فرآیند بارش-رواناب توسعه یافته است. برنامه ریزی ژنتیک علاوه بر توانایی استخراج رابطه‌ی بین متغیّرهای ورودی و خروجی به...

full text

شبیه سازی بارش – رواناب با استفاده از تئوری سیستم گری (مطالعه موردی: حوضه آبریز لیقوان)

تئوری سیستم گری در پیش بینی وقایعی که دارای آمار مشاهداتی کمتری است با توجه به پایه ریاضی مدل، ایفای نقش می کند و در هیدرولوژی مشکل کمبود سابقه آماری داده ها را مرتفع می سازد. شبیه سازی  فرآیند بارش – رواناب در این تحقیق با بهره گرفتن از تئوری سیستم گری به کمک نرم افزارmathematica  با استفاده از اطلاعات شش رویداد متناظر بارش- رواناب  باران نگار (هیتوگراف) و هیدرومتری ایستگاه حوضه آبریز لیقوان ت...

full text

مدل سازی پویایی فرآیند بارش- رواناب با استفاده از مدلvensimدر حوضه آبریز لیقوان

مدل نماینده ساده ای از کل یک سیستم وبه عبارتی نمایانگر واقعیت های موجود در یک سیستم است. منظور از مدل ارائه روشی برای ساده سازی یک پیچیدگی است. برحسب استفاده از روش های گوناگون برای انجام آن ساده سازی انواع مدل خواهیم داشت. مدل های جعبه سفید (مدل های توزیعی) بر مبنای روابط و معادلات ریاضی حاکم و پارامترهای فیزیکی موجود در پدیده ارائه می شود. مدل های جعبه سیاه ارائه معادلات و روابط ریاضی در آن ه...

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز - دانشکده کشاورزی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023