جستجوی مقالات مرتبط با کلیدواژه
تکرار جستجوی کلیدواژه peak flow در نشریات گروه علوم انسانی
peak flow
در نشریات گروه جغرافیا
تکرار جستجوی کلیدواژه peak flow در مقالات مجلات علمی
-
برآورد دبی اوج، یکی از موضوعات اساسی در مدیریت منابع آب و کنترل سیلاب، جایگاه ویژه ای در موفقیت طراحی سازه های آبی و کارایی اقدامات بیومکانیکی در حوضه های آبخیز دارد. در این پژوهش سعی شده است با مقایسه سه روش اصلی در هوش مصنوعی (مدل شبکه عصبی پرسپترون چند لایه، مدل الگوریتم ترکیبی شبکه عصبی با ژنتیک و مدل ترکیب خوشه بندی کاهشی و روش نورو فازی (ANFIS، بهترین روش پیش بینی دبی حداکثر رودخانه یلفان در محل ایستگاه هیدرومتری و رسوب سنجی یلفان (یکی از زیرحوضه های سد اکباتان همدان) انتخاب شود. به این منظور در این سه مدل،8 متغیر بارندگی مربوط به روز وقوع سیل، بارندگی های روزانه تا 5 روز پیش، دبی پایه در روز وقوع سیل و CN حوضه به منزله پارامترهای ورودی (1380 تا 1391) و دبی حداکثر به منزله خروجی در نظر گرفته و وارد نرم افزار متلب شد؛ سپس با بهره گیری از روش های هوش مصنوعی و پیش پردازش داده ها، ساختار بهینه مدل با استفاده از داده های ورودی و خروجی و با ملاک قراردادن معیارهای ارزیابی RSME، MAE و NSE به روش سعی و خطا تعیین شد. در مدل تلفیقی شبکه عصبی و الگوریتم ژنتیک، پس از تعیین مدل بهینه شبکه عصبی، نتیجه مدل به الگوریتم ژنتیک وارد شد. در مدل تلفیقی خوشه بندی با ANFIS، پس از تعیین مدل بهینه خوشه بندی، نتیجه مدل به ANFIS وارد و درنهایت با توجه به معیار ارزیابی، ساختار بهینه مدل تعیین شد. نتایج نشان داد مدل تلفیقی شبکه عصبی و الگوریتم ژنتیک نسبت به مدل شبکه عصبی و نیز مدل ترکیب خوشه بندی کاهشی و مدل ANFIS عملکرد بهتری در برآورد دبی سیلاب در حوزه یلفان دارد.کلید واژگان: دبی اوج، شبکه عصبی، الگوریتم ژنتیک، ANFIS، هوش مصنوعی، حوضه یلفانEstimation of discharge as one of the major issues in water resource management and flood control has a key role in the success of water construction design and efficiency of Bio-Mechanical proceeding in catchments. In this research, discharge Peak of Yalphan River has been simulated using three main methods of artificial intelligence (MLP neural network model, subtractive clustering and ANFIS model, and the combination of neural network and genetic algorithm). For this purpose, 8 parameters have been prepared as input data (2001-2012) including precipitation in the event day, precipitations during 5 days before the event day, base flow in the event day and CN map. Peak of flow has been considered as output data of models. RSME, MAE and NSE indicators has been used to assess the artificial intelligence models. Output data of neural network model have been imported to the combined model of neural network and genetic algorithm. Also, output data of subtractive clustering model have been imported to ANFIS model. Finally three models have been assessed using the mentioned indicators. The results showed that the combined model of neural network and genetic algorithm is better than the other models in Yalphan Catchment.Keywords: Peak Flow, Neural Network, Genetic Algorithm, ANFIS, Yalphan
-
پدیده سیل یکی از مخاطرات طبیعی است و بررسی آمار و اطلاعات خسارت های سالانه ناشی از وقوع سیلاب ها در ایران و جهان بیانگر گستردگی صدمات ناشی از وقوع سیلاب بر منابع طبیعی و انسانی است. به منظور برآورد ارتفاع رواناب و دبی اوج در حوزه های آبخیز و فرسایش آبراهه ای حاصل از آن روش های تجربی و مدل های ریاضی مختلفی وجود دارد. یکی از این مدل ها، مدل SCS است. بنابراین هدف این تحقیق برآورد ضریب رواناب و دبی اوج سیل با استفاده از روش شماره منحنی در واحدهای مختلف تشکیل دهنده حوزه فیروزکلای کجور و همچنین پهنه بندی توان تولید رواناب و وقوع فرسایش آبراهه ای در حوزه است. بعد از تهیه نقشه CN و S حوزه، به منظور محاسبه حجم رواناب تولید شده در منطقه، بارش های کوتاه مدت برای دوره بازگشت های مختلف با استفاده از توزیع پیرسون تیپ III محاسبه گردید. نتایج نشان داد که اراضی جنگلی دارای کمترین و اراضی مرتعی دارای بیشترین توان تولید رواناب و وقوع فرسایش آبراهه ای و همچنین از کمترین میزان نفوذ برخوردار هستند. در واقع بخش های میانی حوزه، دارای بیشترین رواناب و مستعد فرسایش و تشکیل خندق در منطقه می باشند. پس از تعیین ارتفاع رواناب سطحی حوزه، دبی اوج در کلاس هیدرولوژیک D قرار دارد.
کلید واژگان: سیل، شماره منحنی، رواناب، کجور، دبی اوج، فرسایش آبراهه ایFlooding is a natural hazard events and Survey data from the annual losses due to flood in Iran and the world show the extent of the flood damage caused on natural and human resources. To estimate height of the runoff and discharge maximum in basins and stream erosion، there are various experimental methods and mathematical models that one of these models، SCS model is. Thus، the aim of this study was to estimate the Runoff coefficient and Maximum discharge by Curve Number method with different units forming the Fyruzkla Kojoor basin and zoning maps of potential runoff and stream erosion in the drainage basin is. After mapping the watershed CN and S، to calculate the volume of runoff produced in the region، short-term rainfall for different return periods were calculated using Pearson distribution of type III. According to the map of potential runoff in the basin، forest land has the lowest runoff potential and pasture lands have the greatest potential to generate runoff and erosion is occurring and also has the lowest penetration. The middle part of the basin، the most prone to runoff and erosion and gully formation in the region are. After determining the height of the basin surface runoff، peak discharge was calculated for various hydrological. The highest values of maximum flow rate are based on rangeland with hydrologic group D.Keywords: Flood, Curve number, Runoff, Kojoor, Peak flow, Stream erosion
نکته
- نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.