بهبود پیش بینی دبی جریان با استفاده از داده گواری در مدل مفهومی Hymod
نویسندگان
چکیده مقاله:
پیش بینی دبی جریان توسط مدل های هیدرولوژی، همواره با عدم قطعیت همراه است. به همین دلیل از روش های مختلف از جمله افزایش کیفیت اطلاعات ورودی به مدل، بهبود ساختار مدل، و داده گواری اطلاعات مشاهداتی در دسترس برای کاهش عدم قطعیت مدل ها استفاده شده است. در صورت بدون اشکال فرض کردن ساختار مدل هیدرولوژی،نمی توان از عدم قطعیت ورودی، پارامتر، و شرایط اولیه مدل چشم پوشی کرد. یکی از روش های کاهش عدم قطعیت، داده گواری است که با درنظر گرفتن عدم قطعیت ورودی ها و مشاهدات، و به روزرسانی متغیر حالت، عدم قطعیت را کاهش می دهد. در این پژوهش بهبود پیش بینی دبی جریان برای یک روز آتی با مدل هیدرولوژی Hymod توسط فیلتر کالمن دسته ای (EnKF) که یکی از روش های داده گواری است در آبخیز رودک بررسی شده است. نتایج با استفاده از معیارهای نکویی برازش ناش ساتکلیف (NSE) ، کلینگ گوپتا (KG)، ناش ساتکلیف لگاریتمی (LNSE) و DCpeak بررسی شد. نتایج نشان دهنده افزایش معیارهای نکویی برازش NSE، KG ، DCpeak و LNSE مدل هیدرولوژی Hymod توسط الگوریتم EnKF نسبت به الگوریتم بهینه سازی تکامل مجتمع های مخلوط شده به ترتیب به مقدار 13% ، 5% ، 17% و 94% بوده است. به این ترتیب امکان پیش بینی دبی جریان یک روز آتی با دقت قابل قبولی فراهم شد.
منابع مشابه
پیش بینی دبی جریان رودخانه با استفاده از داده کاوی و سری زمانی
شبیهسازی جریان رودخانه به‌منظور آگاهی از دبی رودخانه در دوره‌های زمانی آینده از مسائل مهم و کاربردی است. با توجه به اهمیت اطلاع از دبی جریان در سالهای آینده، در این مطالعه دبی جریان در سه ایستگاه حاجی‌قوشان، قره‌شور و تمر در حوضۀ آبخیز گرگانرود برای سالهای آبی 90-1381 شبیهسازی شد. به‌منظور شبیهسازی از روش آماری سری زمانی در قالب الگوی اتورگرسیون (AR) و داده‌کاوی در قالب ماشین بردار پشتیبان...
متن کاملپیش بینی دبی جریان رودخانه با استفاده از داده کاوی و سری زمانی
شبیهسازی جریان رودخانه به منظور آگاهی از دبی رودخانه در دوره های زمانی آینده از مسائل مهم و کاربردی است. با توجه به اهمیت اطلاع از دبی جریان در سالهای آینده، در این مطالعه دبی جریان در سه ایستگاه حاجی قوشان، قره شور و تمر در حوضۀ آبخیز گرگانرود برای سالهای آبی 90-1381 شبیهسازی شد. به منظور شبیهسازی از روش آماری سری زمانی در قالب الگوی اتورگرسیون (ar) و داده کاوی در قالب ماشین بردار پشتیبان...
متن کاملپیش بینی سیلاب از طریق داده های سری زمانی دبی رودخانه سومبار با استفاده از مدل باکس _جنکینز
امروزه یکی از مهمترین مسائل جهت مدیریت سیلاب، پیش بینی جریان رودخانه ها می باشد. جلوگیری از صدمات اقتصادی و جانی ناشی از سیلاب یکی از مهمترین دستاوردهای پیش بینی صحیح جریان می باشد. فاکتورها و عوامل مختلفی بر روی دبی رودخانه تاثیر گذار است که تحلیل این پدیده را مشکل می سازند. مدلهای فیزیکی-مفهومی، رگرسیونی و سری های زمانی از معمولترین روشهای تحلیل جریان رودخانه می باشند در این تحقیق با استفاده ...
متن کاملپیش بینی دبی جریان در مقاطع مرکب، مقایسه روشهای داده محور و تجربی
پیشبینی دبی رودخانهها در شرایط پدیدار شدن وضعیت کانال مرکب یکی از پارامترهای مهم در مهندسی سیلاب و رودخانهها میباشد. در این تحقیق با استفاده از رویکردهای داده محور از جمله شبکه عصبی مصنوعی(ANN) و ماشینهای بردار پشتیبان(کلاس بندی(SVM) و رگرسیونی(SVR)) وهمچنین روش تجربی کانال تقسیم شده بروش تقسیم بندی عمودی(DCM) دبی کانال مرکب پیشبینی شده است. برای این هدف تعداد 150 داده آزمایشگاهی از 6 منب...
متن کاملپیش 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...
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 @}
عنوان ژورنال
دوره 15 شماره 4
صفحات 0- 0
تاریخ انتشار 2019-12-22
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023