بهبود پیشصبینی فرآیندصهای هیدرولوژیکی با استفاده از خوشه بندی مجموعهای سری های زمانی
عنوان اصلي به زبان ديگر
TC
نام نخستين پديدآور
/حامد ملازاده
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: مهندسی عمران
تاریخ نشرو بخش و غیره
، ۱۳۹۴
نام توليد کننده
، راشدی
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسی عمران گرایش مهندسی آب
زمان اعطا مدرک
۱۳۹۴/۰۶/۲۲
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
پایدار در یک حوضه مدلصسازی دقیق فرآیندهای هیدرولوژیکی مانند فرآیند بارش- رواناب نیاز است .مدلصسازی صحیح بارش- رواناب میصتواند اطلاعات موثری برای برنامهصریزی شهری، زراعت، سیل و مدیریت منابع آب برای یک حوضه بدهد .بعلاوه، فرآیندهای هیدرولوژیکی دارای برخی ویژگیصها همچون پیچیدگی، غیرخطی و استوکستیک بودن هستند که پیشصبینی را بغرنج میصکند به دلیل رشد جمعیت شهری، مدیریت منابع آب از اهمیت به سزایی برخوردار میصباشد .جهت مدیریت .به دلیل ویژگیصهای مذکور خطای مدل در هرگونه رویکرد پیشصبینی اجتناب ناپذیر است .بنابراین مدلصهای هیدرولوژیکی فراوانی به منظور شبیه-سازی چنین فرآیند پیچیدهصای توسعه یافتهصاند .مطالعات اخیر نشان دادهصاند که بکارگیری مدل-های غیرخطی میصتوانند نتایج بهتری راجع به این مسئله فراهم آورند .در این پایانصنامه، مدلصسازی بارش- رواناب بر اساس وجود همبستگی زمانی بین سری-های زمانی روزانهصی بارش و رواناب و یک همبستگی بین دادهصهای همگن در خوشهصهای مجزا برای رودخانهصی کنای واقع در آلاسکا اعمال شد .در مدل پیشنهاد شده، ابتدا با روشصهای چندگانهصی خوشهصبندی) یعنی،mean- k، Ward و SOM) دادهصها به تعدادی خوشهصی همگن خوشهصبندی شدند .سپس با بکارگیری رویکرد خوشهصبندی مجموعهصای کیفیت خوشهصها بهبود یافتند .آنگاه، رواناب برای کل سری زمانی و برای دادهصهای تفکیک شده در خوشهصها با اعمال سه مدل غیرخطی جعبه سیاه) یعنی،ANN ، ANFIS و ARMA) پیشصبینی شد .نتایج بدست آمده نشان دادند که مدل پیشنهادی ظرفیت خوبی برای پیشصبینی خوشه-های با مقادیر بالا دارد، چنانکه حتی با اعمال این مدل در برخی از خوشهصها افزایشی ۲۴ و ۵۰ درصدی در ضریب تبیین با توجه به مدل ARMA ملاحظه شد
متن يادداشت
management for a watershed. Furthermore, hydrological process involve some features such as complexity, nonlinearity and being stochastic, which complicate the dynamic Water resources management, because of the urban population growth, has been had an especial significance. In a watershed, for a suitable management, accurate modeling of hydrological processes such as rainfall-runoff process is needed. The truthful modeling of rainfallrunoff can give effective information for city planning, land use, flood and water resources predictions. Because of this features model errors are inevitable in any prediction exercise. Therefore many hydrological models have been developed in order to simulate this complex process. In this thesis, rainfall-runoff modelling was implemented for the Kenai River that located in Alaska, based on the existence of temporal correlation among daily rainfall and runoff time series and a correlation among homogeneous data in separate clusters. In the proposed model, firstly, using multiple clustering methods (i.e. k-mean, Ward and SOM), data were clustered into some homogeneous clusters. Then, via ensemble clustering approach, the quality of the clusters was improved. Thereafter, runoff values predicted for whole time series and for separated data in clusters by implementing 3 nonlinear black box models (i.e. ANN, ANFIS, and ARMA). The obtained results indicate that the proposed model maintains a good capability to predict the high range clusters, so that by implementing this model, in some clusters, a 24 and a 50 percent increase in the determination coefficient was monitored respectively, with regard to the ARMA model
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
TC
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )