فهرست مطالب نویسنده:

z. darvari

انتخاب همه

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

وحید غلامی، زهرا درواری *

مجله علوم و مهندسی آبخیزداری ایران، پیاپی 21 (تابستان 1392)، ص 67

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.

کلید واژگان: حوضه کسیلیان، شبکه عصبی مصنوعی، شبیه سازی بارش، رواناب، هدر رفت اولیه، HEC، HMS

چکیده مشاهده متن زبان: فارسی

A Study on the Simulation of Rainfall-runoff Process Using Artificial Neural Network (ANN) and HEC-HMS (Case study: Kasilian Basin)

V. Gholami, Z. Darvari

Iranian Journal of Watershed Management Science and Engineering, Volume:7 Issue: 21, 2013, P 67

HEC-HMS and Artificial Neural Network (ANN) were applied to simulate the rainfall-runoff process in the Kasilian basin. The study site is located at north of Iran with an area of 68 km2. The ANN has high capability in establishing connection between input and output data and the HEC-HMS model has shown its capability in optimizing simulated hydrographs. Initial loss is a quantitative parameter which is dependent on three main factors including soil، vegetation and Antecedent Moisture Conditions (AMC). In this study after optimizing the initial loss parameter using the HEC-HMS model، this parameter along with incremental rainfall were applied qua inputs in the ANN to simulate runoff or discharge values. Comparison of the obtained results under two scenarios of optimized and non optimized initial loss showed that optimized initial loss highly enhance the accuracy of simulated runoff and flood hydrograph by 100% in some events.

Keywords: ANN, HEC, HMS, initial loss, Kasilian basin, rainfall, runoff

Abstract View Paper Original: Persian

بدانید!

در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو می‌شود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشته‌های مختلف باشد.
همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته می‌توانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
در صورتی که می‌خواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.

به جمع مشترکان مگیران بپیوندید!

z. darvari