شماره کتابشناسی ملی
شماره
۱۹۲پ
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
per
عنوان و نام پديدآور
عنوان اصلي
مدلسازی بارش- رواناب با استفاده از برنامه‌ریزی ژنتیک (GP)و معادلات دیفرانسیل تصادفی (SDE) در حوضه آبریز لیقوان
نام نخستين پديدآور
/علی سلطانی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
تبریز:دانشگاه تبریز،دانشکده کشاورزی ،گروه آب
مشخصات ظاهری
نام خاص و کميت اثر
۹۵ص.
ساير جزييات
:جدول، نمودار، عکس
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به کتابنامه ، واژه نامه و نمایه های داخل اثر
متن يادداشت
واژه نامه
متن يادداشت
کتابنامه ص.: ۹۲-۹۵
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسی کشاورزی-آب
زمان اعطا مدرک
۱۳۸۹/۰۴/۱۲
کسي که مدرک را اعطا کرده
تبریز:دانشگاه تبریز،دانشکده کشاورزی ،گروه آب
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
پیش بینی دبی رودخانه‌ها در کارهای عمرانی، به منظور استفاده بهینه از مخازن سدها، ساماندهی رودخانه و هشدار سیل از اهمیت زیادی برخوردار است .فرآیند بارش- رواناب پدیده‌ای غیرخطی است و استخراج روابط بین بارش در سطح حوضه و جریان ناشی از آن که به صورت رواناب و سیلاب آشکار می‌گردد، از دیرباز جزو مهمترین مسائلی بوده که مورد توجه کارشناسان مرتبط با مسائل آب و بویژه هیدرولوژیست‌ها بوده است .خاصیت غیر خطی، عدم قطعیت ذاتی این پدیده، نیاز به اطلاعات تاریخی طولانی و پیچیده بودن مدل‌های فیزیکی از دلایلی بوده است که باعث شده محققان به سوی مدل‌هایی همچون شبکه‌های عصبی، سیستم‌های فازی، آنالیز موجک، الگوریتم‌های تکاملی) الگوریتم ژنتیک و برنامه‌ریزی ژنتیک و (... و معادلات دیفرانسیل تصادفی رو آورند .در این تحقیق نحوه مدلسازی فرآیند بارش- رواناب با استفاده از برنامه‌ریزی ژنتیک و معادلات دیفرانسیل تصادفی ارائه می‌گردد .معادلات دیفرانسیل تصادفی عدم قطعیت‌های بالای موجود در فرآیند بارش- رواناب، نویزدار بودن داده‌ها و خطای مربوط به فرضیات را یکجا به عنوان فرآیند نویز سفید در نظر گرفته و در مدلسازی وارد می‌کند .برنامه‌ریزی ژنتیک بین متغیرهای ورودی و خروجی روابطی را به طور تصادفی ایجاد کرده و با استفاده از اصول انتخاب طبیعی داروین، در نهایت بهترین رابطه را ارائه می‌کند .این مدل‌ها در حوضه لیقوان واقع در استان آذربایجان شرقی به کار رفت و نتایج آن با داده‌های مشاهداتی مورد بررسی و مقایسه قرار گرفت .معیارهایی که به منظور ارزیابی کارآیی مدل‌ها مورد استفاده قرار گرفت شامل :ضریب تعیین ، جذر میانگین مربعات خطا ، درصد خطای حجم هیدروگراف ،درصد خطاهای مربوط به پیش‌بینی دبی اوج و زمان رسیدن به دبی اوج می‌باشند .نتایج ارزیابی نشان داد که هر دو مدل فرآیند بارش رواناب حوضه لیقوان را با دقت قابل قبولی مدلسازی می‌کنند .دقت مدل حاصل از GP نسبت به SDE بیشتر است ولی چون مدل حاصل از SDE این امکان را فراهم می‌کند که بتوان نوسانات رواناب را نیز پیش‌بینی کرد، لذا در این تحقیق مدل حاصل از SDE به عنوان مدل بارش- رواناب حوضه لیقوان پیشنهاد گردیده است.آنالیز حساسیت مدل SDE بر مبنای تغییرات پارامترهای آن انجام شد .نتایج نشان دادند که با تغییر پارامترها زمان رسیدن به دبی اوج ثابت و تغییرات دبی اوج زیاد می‌باشد .چون روابط حاصل از GP دارای پارامتر خاصی نمی‌باشد، لذا روی این روابط نمی‌توان تحلیل حساسیت انجام داد
متن يادداشت
River flow forecasting has significant importance in optimal using of dam reservoirs, river development and flood warning systems. Rainfall-runoff process is a nonlinear process and problem of relationship determination between rainfall over drainage basin and the resulting runoff has attracted special attention of hydrologists. Non-linearity and uncertainty of the process, its need for long historical data set and complexity of the physical models have made researchers apply some models such as artificial neural networks, fuzzy systems, wavelet analysis, evolutionary algorithms (genetic algorithm and genetic programming) and stochastic differential equations. In this study, rainfall-runoff modeling using genetic programming and stochastic differential equations is explored. Stochastic differential equations consider uncertainty in rainfall-runoff process, data noises and the error related to some basic assumptions as white noise. Genetic programming establishes relationships between inputs and outputs randomly and gives the best relationship using Darwin's theory of natural selection. These models have been applied in Lighvan catchment located in East Azarbaijan province and their results compared with observed data. Five performance measures, namely, coefficient of determination (R2), root mean squared error (RMSE), percentage error in volume ( V), percentage error in peak ( Qp), and percentage error in time to peak ( Tp) have been used for efficiency evaluation of the models. The results showed that both models are able to accurately simulate the rainfall-runoff process. GP model results were more precise than those of SDE model. But, the SDE model was also able to forecast runoff oscillations. Therefore, in this research, the SDE model is suggested as the rainfall-runoff model of Lighvan catchment. Sensitivity analysis on SDE model parameters was performed. The results showed that with variation of the parameters, there were considerable variations in peak flow, but no significant change in time to peak. There were no special parameters in the resulting relationships of GP model for applying sensitivity analysis.
موضوع (اسم عام یاعبارت اسمی عام)
موضوع مستند نشده
Genetic programming
موضوع مستند نشده
Ligvan watershed
موضوع مستند نشده
modeling
موضوع مستند نشده
Rainfall-Runoff
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
سلطانی، علی
نام شخص - ( مسئولیت معنوی درجه دوم )
مستند نام اشخاص تاييد نشده
قربانی، محمدعلی، استاد راهنما
مستند نام اشخاص تاييد نشده
فاخری فرد، احمد، استاد راهنمای همکار
مستند نام اشخاص تاييد نشده
دربندی، صابره، استاد مشاور
دسترسی و محل الکترونیکی
يادداشت عمومي
سیاه و سفید
وضعیت فهرست نویسی
وضعیت فهرست نویسی
نمایه‌سازی قبلی
