شبیه سازی فرآیند بارش- رواناب با بکارگیری شبکه عصبی مصنوعی (ANN) و مدل HEC-HMS ( مطالعه موردی حوزه آبخیز کسیلیان)

نویسندگان

  • درواری, زهرا
  • غلامی, وحید
چکیده

برای شبیه سازی فرآیند بارش - رواناب در سطح حوزه آبخیز کسیلیان با مساحت حدود 68 کیلومترمربع واقع در شمال ایران، مدل (HEC-HMS) و روش شبکه عصبی مصنوعی(ANN) بکار گرفته شد. شبکه عصبی دارای قابلیت بالایی برای برقراری ارتباط بین داده های ورودی و خروجی و مدل(HEC-HMS) دارای قابلیت بالایی در بهینه سازی آبنمود شبیه سازی شده می باشد. عامل هدر رفت اولیه خاک به عنوان یک معیار کمی در برگیرنده سه فاکتور اصلی توان تولید رواناب شامل: خاک، پوشش گیاهی و رطوبت پیشین خاک می باشد. در روش ارائه شده در پژوهش حاضر، پس از بهینه سازی هدر رفت اولیه در مدل (HEC-HMS)، این عامل در شبکه عصبی مصنوعی همراه با میزان بارش به صورت جزء به جزء (Incremental) به عنوان ورودی، برای شبیه سازی مقدار دبی یا رواناب وارد گشت. مقایسه نتایج حاصل از بکارگیری شبکه عصبی مصنوعی در دو حالت با بکارگیری هدر رفت اولیه بهینه سازی شده و بدون آن، حاکی از کارایی بالای این روش و تاثیر بسیار مطلوب این عامل در افزایش دقت شبیه سازی رواناب و آبنمود سیلاب تا حدود دو برابر برای برخی وقایع می باشد.

برای دانلود باید عضویت طلایی داشته باشید

برای دسترسی به متن کامل این مقاله و 10 میلیون مقاله دیگر ابتدا ثبت نام کنید

ثبت نام

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

شبیه سازی فرآیند بارش رواناب در حوزه آبخیز ناورود با مدل ولترای مرتبه محدود و شبکه های عصبی مصنوعی

This study evaluates the performance of the linear first-order Volterra model for simulating nonlinear rainfall-runoff process. For this end, fifteen storm events over the Navrood River basin were collected. 70% and 30% of the events were used to calibrate and test the suitability of the model. Finally, the performance of the model was compared with the artificial neural networks (multilayer pe...

متن کامل

مدل‌سازی بارش- رواناب با استفاده از شبکه عصبی مصنوعی و شبکه فازی- عصبی تطبیقی در حوزه آبخیز کسیلیان

     Rainfall runoff modeling and prediction of river discharge is one of the important practices in flood control and management, hydraulic structure design and drought management. The present article aims to simulate daily streamflow in Kasilian watershed using an artificial neural network (ANN) and neuro-fuzzy inference system (ANFIS). The intelligent methods have the high potential for dete...

متن کامل

مدل سازی بارش- رواناب با استفاده از شبکه عصبی مصنوعی و شبکه فازی- عصبی تطبیقی در حوزه آبخیز کسیلیان

مدل­سازی فرآیند بارش - رواناب و پیش­بینی دبی رودخانه یک اقدام مهم در مدیریت و مهار سیلاب­ها، طراحی سازه­های آبی در حوزه­های آبخیز و مدیریت خشکسالی است. هدف این تحقیق شبیه­سازی جریان روزانه در حوزه آبخیز کسیلیان با استفاده از شبکه عصبی مصنوعی و شبکه عصبی- فازی تطبیقی است. روش­های هوشمند دارای قابلیت بالایی برای برقراری ارتباط بین داده­های ورودی و خروجی می­باشند. در این تحقیق از آمار بارش، تبخیر ...

متن کامل

شبیه سازی پیوسته بارش-رواناب حوضه ی شهرچای ارومیه با استفاده از مدل HEC-HMS

چکیده در محاسـبات هیدرولوژیکی یـک حوضه تعیین ارتباط بین بارش- رواناب بسیار مـهم است. محاسبه­ی دقیق بارش­-رواناب در سطح حوضه به شناخت مؤلفه­ها و متغیرهای شکل­دهنده­ی آن و همچنین استفاده از یک مدل مناسب وابسته است. در این مطالعه، بارش-رواناب پیوسته­ی حوضه­ی شهرچای ارومیه با استفاده از مدل هیدرولوژیکی HEC-HMS شبیه­سازی شد. برای این منظور ابتدا مدل حوضه­ی آبخیز با استفاده از نقشه­ی DEM منطقه­ی مور...

متن کامل

شبیه سازی فرآیند بارش- رواناب با استفاده از شبکه عصبی مصنوعی و سیستم فازی- عصبی تطبیقی (مطالعه موردی: حوزه آبخیز حاجی قوشان)

پیش­بینی رواناب به صورت کوتاه­ مدت به دلیل رابطه مستقیم آن با چگونگی تعامل مدیران با خطرات جانی ناشی از سیلاب­ها، از اهمیت خاصی برخوردار است. در این تحقیق با استفاده از شبکه­های عصبی مصنوعی ( ann ) و فازی عصبی تطبیقی ( anfis )، اقدام به شبیه­سازی فرآیند بارش- رواناب به صورت روزانه، در حوزه آبخیز حاجی­قوشان شده است. در این سیستم­ها سه ترکیب مختلف ورودی شامل بارندگی همان روز، بارندگی همان روز و ر...

متن کامل

ذخیره در منابع من

ذخیره در منابع من ذخیره شده در منابع من

{@ msg_add @}

  با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی راحت تر خواهید کرد

دانلود متن کامل

برای دسترسی به متن کامل این مقاله و 10 میلیون مقاله دیگر ابتدا ثبت نام کنید

ثبت نام

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید


عنوان ژورنال:

دوره 7  شماره 21

صفحات  67- 70

تاریخ انتشار 2013-07

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

copyright © 2015-2021