برآورد پارامترهای مدل هیبرید بر اساس خصوصیات ژئومورفولوژی حوضه
نام نخستين پديدآور
/نسیم فاضل مدرس
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
۱۳۱ ص
يادداشت کلی
متن يادداشت
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 ص. ۱۳۲ و همچنین بصورت زیرنویس
متن يادداشت
کتابنامه ص.: ۱۲۳-۱۳۱
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسی کشاورزی-منابع آب
زمان اعطا مدرک
۱۳۸۹/۰۶/۲۹
کسي که مدرک را اعطا کرده
تبریز:دانشگاه تبریز، دانشکده کشاورزی ، گروه آب
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
یشصبینی سیلاب پارامتر مهمی در مطالعات و طراحیصهای هیدرولوژیکی و همچنین مدیریت منابع آبی میصباشد .نصب، راهصاندازی و نگهداری از تجهیزات و سیستمصهای ثبت سیلاب در حوضهصهای فاقد آمار بسیار هزینهصبر میصباشد، از این رو اخیرا مطالعات گستردهصای در پی یافتن روشصهایی برای محاسبه رواناب در حوضهصهای فاقد آمار، بدون نیاز به دادهصهای مشاهداتی سیلاب شده است .یکی از این روشصها یافتن ارتباط بین خصوصیات ژئومورفولوژیکی حوضه و پاسخصهای هیدرولوژیکی آن میصباشددر این تحقیق، معادلات رگرسیونی برای محاسبه پارامترهای مدل هیبرید، ضرایب ذخیره k۱ وk۲ ، بر اساس خصوصیات ژئومورفولوژی حوضه استخراج شدهصاند .وجود دو مخزن با ضرایب ذخیره متفاوت در مدل هیبرید، پیشصبینی رفتار حوضه را در این مدل نسبت به مدل نش دقیقصتر کرده است .یافتن ارتباط بین خصوصیات ژئومورفولوژی حوضه و ضرایب ذخیره مدل هیبرید راهی برای گسترش مدل هیبرید و استفاده از آن در حوضهصهای فاقد آمار است .با استفاده از روابط بدست آمده در این مطالعه میصتوان پارامترهای مدل هیبرید را بر اساس خصوصیات ژئومورفولوژی در حوضه های فاقد آمار، یا حوضهصهایی که آمار بارش و رواناب همزمان در آنها ثبت نشده تخمین زد و با استفاده از انتگرال پیچشی سیلاب ناشی از رگبار را در یک حوضه برآورد کردحوضهصهای مورد مطالعه در این تحقیق در شمالصغربی ایران، استان آذربایجان شرقی واقع شدهصاند .معادلات با استفاده از ۲۹ رویداد بارش رواناب در شش حوضه از حوضهصهای استان بدست آمدهصاند، پارامترهای k۱ وk۲ ، در این حوضه صها بعد از بهینه شدن بر اساس رویدادهای مشاهداتی، با استفاده از روابط رگرسیونی به خصوصیات ژئومورفولوژی حوضه ربط داده شدهصاند .خصوصیات ژئومورفولوژی حوضه با استفاده از نقشهصهای توپوگرافی و کاربرد Arcview وGeoHMS - Hecاستخراج شدند .و به این ترتیب مدل هیبرید گسترشصیافته بر اساس ژئومورفولوژی بدست آمده است .صحت سنجی معادلات بر روی شش رویداد بارش رواناب همزمان در حوضه قرمزیگل نشان داد، مدل ارائه شده در این تحقیق قابلیت پیشصبینی رواناب در حوضهصها را با دقت بالا را دارد .علاوه بر این مقایسه هیدروگراف روانابصهای مستقیم حاصل از مدل هیبرید ژئومورفولوژی و مدل نش نشان داد مدل هیبرید ژئو مورفولوژی در پیشصبینی رواناب دقت بالاتری دارد
متن يادداشت
Flood prediction is an important aspect in hydrologic design and management; but the collection of necessary data is quite complex and costly especially for ungauged catchments. Hence, there have been immense efforts to find out simple and low- cost models for runoff estimation without need to observed data, by relating hydrologic response of watershed to its geomorphologic characteristics.Regression equations predicting Hybrid SUH parameters, k1 and k2, the storage coefficient of first and reservoirs are developed. Having two unequal reservoirs has increased the Hybrid model accuracy in contrast to Nash model. The Hybrid model was extended based on geomorphology, in order to use in ungauged catchments, too. Developed regression equations can help engineers to estimate model parameter based on geographic information in ungauged or gauged catchments with no data, and to predict runoff by using convolution equation and storm data.Watersheds in this study are located in west-north of Iran. Regressions equations were derived using multiple regression analysis for 29 observed rainfall-runoff events in six watersheds. Hybrid SUH parameters were optimized using estimated hydrographs to match the observed rainfall-runoff events. The optimized Hybrid SUH parameters were related to geomorphologic parameters estimated using topographic and DEM maps analyzing with Arcview and Hec-GeoHMS. Values for k1 and k2 were predicted using the regression equations and were used to simulate six new rainfall-runoff events in a new watershed, for comparison to the observed events and finding out efficiency of new geomorphologic Hybrid model. Results indicate that new introduced Geomorphologic extended Hybrid model has capability of predicting storm runoff with reasonable accuracy. Comparison of this model with Nash one proved, Geomorphologic Hybrid model had higher efficiency in predicting direct runoff hydrographs
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )