توسعه ضرائب مدل ماسکینگام غیرخطی با استفاده از نرم افزار hec-ras و الگوریتم ژنتیک

thesis
abstract

روندیابی سیل به اقداماتی گفته می شود که زمان و میزان شدت جریان را در نقطه مشخصی از رودخانه و به وسیله آبنمود موجود و یا فرضی در یک یا چند نقطه در بالادست مکان مورد بررسی تعیین کند. اگر جریان به صورت سیلابی باشد، به این مراحل روندیابی سیل گفته می شود. دو سیستم مختلف برای روندیابی سیل وجود دارد که به آن ها روش های هیدرولوژیکی و هیدرولیکی گفته می شود. روش غیرخطی ماسکینگام به عنوان یک روش هیدرولوژیکی و به طور گسترده مورد استفاده قرار می گیرد تا روابط دبی-ذخیره را تعیین کند. روشی که برای استفاده از معادلات ماسکینگام ارائه می شود، حل این معادلات با استفاده از روش های عددی مانند رانگ-کوتا است. در این پژوهش شدت جریان خروجی با استفاده از روش های بالا محاسبه شده و این مقدار با شدت جریان خروجی مشاهده ای مقایسه شد. سپس با استفاده از الگوریتم ژنتیک، ضرایب مدل ماسکینگام غیرخطی با استفاده از مشخصات هندسی آبراهه بهینه شده است. برای بررسی صحت این روابط، از داده های رودخانه دوآب صمصامی استفاده شده است. با استفاده از مشخصات هندسی این رودخانه، ضرایب مدل غیرخطی ماسکینگام محاسبه شده. سپس شدت جریان خروجی رودخانه در طول 5 سیل، با استفاده از ضرایب جدید بدست آمده محاسبه شده است. همچنین این مقدار با استفاده از روش ماسکینگام-کانژ نیز محاسبه شد. برای مقایسه دقت روابط جدید با بقیه روش های روندیابی سیل، پارامتری به اسم ریشه میانگین مربعات خطا (rmse) محاسبه می شود. با مقایسه این پارامتر برای شدت جریان خروجی مشاهده ای و مقادیر محاسبه شده نشان می دهد که روابط جدید دقیق تر از روش ماسکینگام-کانژ می باشد. نتایج بیان می کنند که استفاده از روابط جدید، رابطه ماسکینگام را به مدلی مستقل برای روندیابی سیل در روخانه های مختلف تبدیل می کند و دیگر نیازی به واسنجی این مدل برای رودخانه های جدید نمی باشد.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

توسعۀ مدل ماسکینگام غیرخطی و مقایسۀ آن با مدل HEC-RAS جهت روندیابی سیل در رودخانه‌ها

روندیابی سیل در رودخانه‌ها فرایندی ریاضی است که برای تعیین هیدروگراف جریان در هر نقطه از رودخانه صورت می‌گیرد. یکی از روش‌های روندیابی، حل معادلات کامل سنت‌ونانت در تحلیل جریان غیرماندگار است که به‌دلیل پیچیدگی زیاد، نیازمند استفاده از کامپیوتر و مدل‌های توسعه‌یافته است. در مقابل این روش پیچیده، روش‌های ساده‌تر و با دقت مناسب توسعه یافته‌اند که از دیدگاه هیدرولوژیست‌ها نتایج قابل قبولی دارند. م...

full text

توسعه مدل غیرخطی ماسکینگام با استفاده از هیبرید الگوریتم‌های فراکاوشی

با توجه به وجود ارتباط غیرخطی بین ذخیره و دبی جریان در مدل ماسکینگام غیرخطی، این مدل از مزیت‌های بالایی نسبت به مدل خطی برخوردار می-باشد. تخمین صحیح پارامترهای این مدل، جهت دستیابی به دقت مناسب ضروری است. بررسی مطالعات قبلی بیانگر وجود 5 مدل غیرخطی اصلاح شده است که با الگوریتم‌های مختلف بهینه‌سازی سعی نمودند تا دقت پیش‌بینی هیدروگراف خروجی را افزایش دهند. با توجه به خطای موجود در هیدروگراف خروج...

full text

توسعۀ مدل ماسکینگام غیرخطی و مقایسۀ آن با مدل hec-ras جهت روندیابی سیل در رودخانه ها

روندیابی سیل در رودخانه ها فرایندی ریاضی است که برای تعیین هیدروگراف جریان در هر نقطه از رودخانه صورت می گیرد. یکی از روش های روندیابی، حل معادلات کامل سنت ونانت در تحلیل جریان غیرماندگار است که به دلیل پیچیدگی زیاد، نیازمند استفاده از کامپیوتر و مدل های توسعه یافته است. در مقابل این روش پیچیده، روش های ساده تر و با دقت مناسب توسعه یافته اند که از دیدگاه هیدرولوژیست ها نتایج قابل قبولی دارند. م...

full text

تخمین پارامترهای بهینه مدل روندیابی غیرخطی ماسکینگام با استفاده از الگوریتم مورچگان پیوسته

بهینه­سازی پارامترهای مدل غیرخطی ماسکینگام به روش آزمون و خطا و روش­های عددی انجام می­شود. این روش­ها دشوار و وقت­گیر می­باشد اما الگوریتم­های فرا ابتکاری با سرعت بالاتر و به‌صورت دقیق­تر می­توانند تخمینی مناسب از این پارامترها را به دست دهند. در این پژوهش کارایی الگوریتم مورچگان پیوسته (ACOr)، در تخمین پارامترهای بهینه مدل روندیابی غیرخطی ماسکینگام مورد بررسی قرار گرفته است و برای ارزیابی آن ا...

full text

تخمین پارامترهای بهینه مدل روندیابی ماسکینگام غیرخطی با استفاده از الگوریتم رقابت استعماری (ICA)

Non-linear Muskingum model is an efficient method for flood routing. However, the efficiency of this method is influenced by three applied parameters. Therefore, efficiency assessment of Imperialist Competition Algorithm (ICA) to evaluate optimum parameters of non-linear Muskingum model was addressed in this study. In addition to ICA, Genetic Algorithm (GA) and Particle Swarm Optimization (PSO)...

full text

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 صنعتی اصفهان - دانشکده کشاورزی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023