استفاده از مدل آنالوگ مایع در آموزش هیدرولوژی مهندسی (مدلسازی بارش- رواناب)
نویسندگان: ثبت نشده
چکیده مقاله:
آموزش صحیح متخصصین هیدرولوژی در زمینه مدلسازی بارش-رواناب میتواند نقشی بسزا در فایق آمدن بر مشکلات وافر سیلاب داشته باشد. در این مقاله بعد از معرفی مدل آنالوگ مایع به عنوان یک مدل آنالوگ جدید در زمینه هیدرولوژی و براساس مدل مخزن خطی پایهریزی شده است. نحوه مقیاس و ساخت آزمایشگاهی آن ارائه و سپس چگونگی استفاده از آن برای شبیه‌سازی مدل بارش-رواناب ناش (Nash) برای یک حوضة واقعی مورد بررسی قرار گرفته است. اثر شکل حوضه در هیدروگراف خروجی و همچنین تأثیر جهت حرکت بارش بر پاسخ حوضه بطور جداگانه کند و کاوشده است. نتایج حاصل از آزمایشات انجام شده با مدل، حاکی از مناسب بودن مدل در این زمینه است. با توجه به ساختار ساده، استفاده آسان و خاصیت دیداری مدل، این مدل میتواند یک ابزار کمک آموزشی مناسب در زمینه آموزش مدلسازی بارش- رواناب باشد.
منابع مشابه
شبیه‌سازی بارش – رواناب حوضه قره‌سو با استفاده از مدل SWAT
زمینه و هدف: شبیه‌سازی بارش–رواناب در بسیاری از مطالعات هیدرولوژی، از جمله بررسی اثر تغییر اقلیم بر جریان رودخانه، پیشبینی سیلاب و برنامهریزی منابع آب از اهمیت ویژه‌ای برخوردار است. مدل SWAT[1] برای شبیه‌سازی انتقال جریان، رسوب و متغیرهای کیفی (فسفر و نیتروژن و ...) در حوضه‌های آبریز استفاده می‌گردد. مدل SWAT یک مدل سری زمانی توزیعی با مبنای فیزیکی می‌باشد. این مدل قابلیت اتصال به GIS[2] را ...
متن کاملمدلسازی 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...
متن کاملاستفاده از روش برنامه ریزی ژنتیک در مدلسازی بارش-رواناب
روشهای مبتنی بر هوش مصنوعی اخیراً توجه بیشتری را در مدلسازی فرآیند بارش- رواناب به خود جلب کرده است.برنامه ریزی ژنتیکgp به عنوان یکی از زیر شاخه های مهم هوش مصنوعی است، که در این تحقیق استفاده شده است.در این مطالعه دو رویکرد مختلف که توسط محققین پیشین در مدلسازی بارش- رواناب با برنامه ریزی ژنتیک استفاده شده بود ، با هم مقایسه شده است.نتیجه اساسی حاصل از این مقایسه بر توانایی روشgp در انتخاب متغی...
15 صفحه اولمدلسازی 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...
متن کاملمدل سازی بارش رواناب با استفاده از مدل های هوشمند هیبریدی
بارش-رواناب یکی از فرایندهای مهم در مطالعات منابع آب بشمار می‌رود. در این تحقیق فرآیند بارش-رواناب روزانه در حوضه آبریز بالیخ‌لوچای با استفاده از ماشین بردار پشتیبان، شبکه های عصبی مصنوعی، هیبرید موجک-ماشین بردار پشتیبان و هیبرید موجک-شبکه عصبی مورد مطالعه و مقایسه قرار گرفته است. داده های بارش-رواناب روزانه در طول دوره آماری (1379-1387) برای آموزش و صحت‌سنجی مدل ها مورد استفاده قرار گرفت. د...
متن کاملمدلسازی ژئومورفولوژیکی بارش-رواناب با استفاده از wms/hec-hms
محدودیت منابع آب و اثرات مخرب ناشی از وقوع سیل، کارشناسان ومتخصصان منابع آب را در پی آن داشته اند تا بتوانند روابطی را بین مقادیر بارندگی و رواناب حاصل از آن در حوضه های آبریز و در شرایط مختلف زمانی و مکانی بیابند. تا به امروز مدل های بارش- رواناب فراوانی جهت پیش بینی سیلاب ساخته و بکار برده شده اند. در میان مدل های ارائه شده، مدل هایی که بر پایه فیزیک حوضه ارائه گردیده اند مناسبترند، زیرا کنتر...
15 صفحه اولمنابع 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 @}
عنوان ژورنال
دوره 2 شماره 3
صفحات -
تاریخ انتشار 2008-03-20
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023