پیش بینی دبی جریان رودخانه با استفاده از الگوریتم بهینه یابی جفت گیری زنبورهای عسل (hbmo)، مطالعه موردی حوضه آبریز رودخانه کشکان
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده عمران و محیط زیست
- نویسنده حسین فروزند
- استاد راهنما سید حسین افضلی ناصر طالب ببیدختی غلامرضا رخشنده رو
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1392
چکیده
پیش بینی دبی جریان رودخانه با استفاده از الگوریتم بهینه یابی جفت گیری زنبورهای عسل (hbmo)، مطالعه موردی حوضه آبریز رودخانه کشکان تقاضای روزافزون آب در مناطق مختلف به ویژه در نواحی خشک و نیمه خشک، اهمیت مدیریت بهینه منابع آب را بیش از پیش نشان می دهد. از طرفی یکی از مهمترین عوامل در برنامهریزی، مدیریت و بهرهبرداری بهینه از منابع آب، پیشبینی دقیق جریان های سطحی می باشد. براین پایه دستیابی به روش های مطمئن جهت پیشبینی جریان رودخانه ها به منظور برنامه ریزی در بهره برداری بهینه از منابع آب از اهمیت بسزایی برخوردار است. در این پایان نامه، با استفاده از الگوریتم بهینه یابی جفت گیری زنبورهای عسل (hbmo)، یک مدل جدید برای پیش بینی دبی رودخانه کشکان واقع در استان لرستان پیشنهاد گردیده است. پارامتر های دخیل در این مدل، دبی روزانه رودخانه یک روز قبل، دو روز قبل، سه روز قبل، چهار روز قبل، سرعت نفوذ آب در خاک، تبخیر و تعرق پتانسیل روزانه و میانگین بارندگی روزانه می باشند. با توجه به آنالیز حساسیت روی پارامترهای ذکرشده، مدل پیشنهادی حساسیت قابل توجهی روی پارامترهای دبی یک روز قبل و میانگین بارندگی روزانه می دهد. در این تحقیق به منظور کاهش خطا از بهینه سازی سناریو استفاده شده و خطای جذر میانگین مربعات در سناریو خشکسالی، نرمال و ترسالی کاهش یافته و به ترتیب 5.98، 2.89 و 7.31 متر مکعب بر ثانیه می باشد که نشان دهنده یک پیش بینی با دقت بالا می باشد.
منابع مشابه
الگوریتم بهینه یابی جفت گیری زنبورهای عسل ( HBMO ) در حل مسائل بهینه سازی
Over the last decade, evolutionary and meta-heuristic algorithms have been extensively used as search and optimization tools in various problem domains, including science, commerce, and engineering. Ease of use and broad applicability may be considered as the primary reasons for their success. The honey-bee mating process has been considered as a typical swarm-based approach to optimization, i...
متن کاملالگوریتم بهینه یابی جفت گیری زنبورهای عسل ( hbmo ) در حل مسائل بهینه سازی
در دهه های اخیر، روشهای تکاملی و فراکاوشی به عنوان یک ابزار جستجو و بهینه سازی در حوزه های مختلفی مانند علوم، تجارت و مهندسی مورد استفاده قرار گرفتهاند. وسعت دامنه کاربرد، سهولت استفاده و قابلیت دستیابی به جواب نزدیک به بهینه مطلق از جمله دلایل موفقیت این روشها می باشد. فرآیند جفت گیری زنبورهای عسل نیز به عنوان یک روش بهینهسازی بر پایه رفتار حشرات، میتواند مورد توجه قرار گیرد. در این الگ...
متن کاملپیش بینی جریان رودخانه با استفاده از برنامه ریزی ژنتیک (مطالعه موردی: حوضه آبریز رودخانه لیقوان)
روشهای متعددی همچون مدل سریهای زمانی، شبکههای عصبی مصنوعی، منطق فازی، نرو فازی و برنامهریزی ژنتیک برای پیشبینی جریان رودخانه به کار میرود. در تحقیق حاضر از روش نوین برنامهریزی ژنتیک جهت پیشبینی جریان روزانه رودخانه لیقوان در حوضه آبریز دریاچه ارومیه در دوره آماری 1376 تا 1380 استفاده شد. همچنین نقش حافظه در کاهش یا افزایش دقت پیش بینی مورد بررسی قرار گرفت. جهت مدلسازی جریان رودخانه ...
متن کاملبهینه سازی هیدروسیستمها با استفاده از الگوریتم بهینه یابی جفت گیری زنبورهای عسل hbmo
افزایش روزافزون ابعاد و پیچیدگیهای موجود در مسایل بهینه سازی مهندسی و خصوصا در حوزه مدیریت منابع آب سبب کاهش کارایی روشهای معمول و احساس نیاز به روشهای نوین جستجو و الگوریتم های جدید بهینه سازی گردیده است. به همین دلیل در دهه های اخیر روشهای تکاملی و فراکاوشی به عنوان یک ابزار جستجو و بهینه سازی در بسیاری از حوزه ها بطور عام و حوزه مهندسی به طور خاص توسعه یافته و مورد استفاده قرار گرفته اند.وسع...
15 صفحه اولبررسی روند تغییرات بارش ـ دبی زیر حوضههای رودخانه کرخه با استفاده از روشهای ناپارامتریک مطالعه موردی: حوضه آبریز کشکان
به طور کلی تغییرپذیری احتمالی ناشی از تغییرات آب و هوا در بارش، روانآب سطحی و رطوبت خاک، بر سیستمهای طبیعی و جمعیتهای بشری تأثیرات عمدهای میگذارد. بدینسان، در این مطالعه با استفاده از دو آزمون ناپارامتری من ـ کندال و برآوردگر سن روند تغییرات بارش ـ دبی حوضه آبریز کشکان طی دوره آبی ـ زراعی 89 - 1348 مورد بررسی قرار گرفت. تحلیل و پراکنش زمانی دادهها حاکی از آن است که زمان رخداد حداکثر دبی ...
متن کاملپیشبینی جریان رودخانه با استفاده از برنامهریزی ژنتیک (مطالعه موردی: حوضه آبریز رودخانه لیقوان)
روشهای متعددی همچون مدل سریهای زمانی، شبکههای عصبی مصنوعی، منطق فازی، نرو فازی و برنامهریزی ژنتیک برای پیشبینی جریان رودخانه به کار میرود. در تحقیق حاضر از روش نوین برنامهریزی ژنتیک جهت پیشبینی جریان روزانه رودخانه لیقوان در حوضه آبریز دریاچه ارومیه در دوره آماری 1376 تا 1380 استفاده شد. همچنین نقش حافظه در کاهش یا افزایش دقت پیش بینی مورد بررسی قرار گرفت. جهت مدلسازی جریان رودخانه ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده عمران و محیط زیست
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023