تخمین جریان رودخانه بالخلوچای با مدل‏های هوشمند

thesis
abstract

رودخانه بالخلوچای از شاخه‏های اصلی رودخانه قره‏سو بوده که زهکش اصلی منطقه نیر و اردبیل می‏باشد. سد یامچی که محل تامین آب شرب و کشاورزی منطقه اردبیل می‏باشد، بر روی این رودخانه واقع شده است. مطالعات و تجزیه و تحلیل برای یک دوره 9 ساله از ابتدای سال 1379 تا انتهای سال 1387 انجام شده است. تخمین و پیش‏بینی جریان رودخانه بالخلوچای به منظور بهره‏برداری و مدیریت منابع آب، رفتار سنجی حوضه‏های آبریز، برنامه‏ریزی‏های بلند مدت و کوتاه مدت در توسعه پایدار و ... بسیار حایز اهمیت می‏باشد. با توجه به وجود سد یامچی در پایین‏دست این حوضه که محل تامین آب شرب شهرستان‏های اردبیل و سرعین می‏باشد، پیش‏بینی جریان رودخانه مدیریت بهینه بهره‏برداری سد را باعث خواهد شد. اطلاع از نحوه تغییرات میزان دبی جریان رودخانه ها از مسائل مهم در مطالعات آبی، به ویژه مدیریت حوضه های آبریز می باشد. در دو دهه اخیر استفاده از مدل‏های هوشمند در تخمین جریان رودخانه‏ها مورد توجه محققان واقع شده است، که از آن جمله می توان به شبکه‏های عصبی مصنوعی، سیستم استنتاج عصبی- فازی تطبیقی و برنامه‏ریزی ژنتیک اشاره نمود. در این تحقیق جریان روزانه رودخانه بالخلوچای به منظور پیش‏بینی دبی روزانه، شبیه‏سازی شده و نتایج آن با داده‏های مشاهداتی مورد بررسی و مقایسه قرار گرفت. به منظور ارزیابی کارایی هر یک از مدل‏های فوق، مقادیر مشاهداتی با مقادیر محاسباتی حاصل از مدل‏ها، به وسیله معیار‏های ضریب تبیین (r2)، جذر میانگین مربعات خطا (rmse)، نش- ساتکلیف (n-s) و خطای حجم (ver) محاسبه و مقایسه گردید و در نهایت نتایج نشان داد که مدل برنامه‏ریزی سیستم استنتاج عصبی- فازی تطبیقی به عنوان دقیق‏ترین مدل به منظور پیش‏بینی مقادیر دبی روزانه رودخانه بالخلوچای می‏باشد.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

مقایسه کارآیی مدل‌های هوشمند در روندیابی جریان روزانه رودخانه (مطالعه موردی: رودخانه بالخلوچای، استان اردبیل)

چکیده روندیابی جریان در رودخانه­ها یکی از پراهمیت‌ترین موضوعات در مدیریت منابع آب‌های سطحی جهت اتخاذ تدابیر مناسب در مواقع سیلاب و بروز خشک‌سالی‌ها است. در این تحقیق از مدل‌های شبکه عصبی مصنوعی، برنامه­ریزی بیان ژن، موجک- عصبی و حداقل مربعات ماشین بردار پشتیبان به منظور روندیابی جریان روزانه رودخانه بالخلوچای واقع در حوضه آبریز دره­رود استفاده شد. در این راستا داده‌های روزانه ...

full text

مقایسه مدلهای هوشمند در تخمین بارش ماهانه حوضه کاکارضا

برآورد بارش برای اجرای طرح های مطالعات منابع آب، خشک‌سالی، طرح های آمایش سرزمین، محیط زیست، آبخیزداری و طرح های جامع کشاورزی ضروری می باشد. در این پژوهش جهت تخمین بارش ماهانه دشت کاکارضا واقع در استان لرستان از مدل برنامه ریزی بیان ژن استفاده شد و نتایج آن با سایرروشهای هوشمند از جمله سیستم استنتاج فازی_عصبی و شبکه عصبی مصنوعی مقایسه گردید. برای این منظور از پارامترهای میانگین دما، رطوبت نسبی، ...

full text

پیش بینی جریان ماهیانه رودخانه با استفاده از مدلهای داده مبنا

در سال‌های اخیر، تکنیک‌های مدل‌سازی داده‌ مبنا کاربردهای فراوانی در مطالعات هیدرولوژی و مهندسی منابع آب یافته‌اند. توسعه مدل‌های برآورد یا پیش‌بینی رواناب رودخانه، یکی از زمینه‌های مطالعاتی است که این تکنیک‌ها در آن کاربرد زیادی دارند. در مطالعه حاضر، چهار تکنیک مدل‌سازی داده ‌مبنا، شامل رگرسیون خطی چندگانه، K نزدیک‌ترین همسایه، شبکه‌های عصبی مصنوعی و سیستم‌های استنتاج عصبی - فازی تطبیقی به‌منظ...

full text

مدل تخمین جریان رودخانه بر اساس بازسازی فضای حالت آشوبی

قابلیت‌های نظریه آشوب و برنامه‌ریزی ژنتیک، بکارگیری این دو مدل را در هیدرولوژی مورد توجه خاص قرار داده است. در این تحقیق مقادیر دبی روزانه رودخانه لیقوان در طی 30 سال با استفاده از این مدل‌ها مورد بررسی قرار گرفته است. در نظریه آشوب، ابتدا با استفاده از روش بعد همبستگی امکان وجود آشوب قطعی در دبی روزانه بررسی و پس از تعیین پارامترهای لازم جهت بازسازی فضای حالت، دبی روزانه به روش پیش‌بینی موضعی ...

full text

مدلسازی هوشمند سری زمانی جریان ماهانه حوضه رودخانه شور قروه با شبکه عصبی مصنوعی

پیش بینی دقیق جریان در رودخانه ها یکی از مهمترین ارکان در مدیریت منابع آبهای سطحی به ویژه اتخاذ تدابیری مناسب در مواقع سیلاب و بروز خشکسالی هاست. در حقیقت حصول روشهای مناسب و دقیق در پیش بینی جریان رودخانه ها را می توان به عنوان یکی از چالشها در فرآیند مدیریت و مهندسی منابع آب دانست. در این پژوهش برای مدلسازی هوشمند سری زمانی جریان ماهانه از یک دوره ی آماری26ساله (1389-1364) استفاده شد. جهت دست...

full text

مدل‌سازی جریان رودخانه باراندوزچای با استفاده از روش‌ نزدیکترین K- همسایه و روش‌های هوشمند

پیش­بینی دقیق جریان رودخانه در طراحی، بهره­برداری و برنامه­ریزی منابع آب از اهمیت بسزایی برخوردار است. در این مطالعه، عملکرد روش­های ناپارامتری نزدیکترین همسایه، فازی- عصبی تطبیقی و روش رگرسیون بردار پشتیبان در پیش­بینی جریان رودخانه ارزیابی شده است. برای مدل­سازی از داده­های جریان 36 ساله ایستگاه هیدرومتری دیزج واقع بر رودخانه باراندوزچای (در مقیاس زمانی ماهانه) استفاده گردید. ترکیبات مختلفی ا...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

دانشگاه آزاد اسلامی - دانشگاه آزاد اسلامی واحد تهران مرکزی - دانشکده فنی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023