عنوان

بهینه سازی مدل بارش- رواناب حوضه معرف امامه با استفاده از الگوریتم ژنتیک

شماره

‭۹۲۶پ‬

زبان متن نوشتاري يا گفتاري و مانند آن

per

عنوان اصلي

بهینه سازی مدل بارش- رواناب حوضه معرف امامه با استفاده از الگوریتم ژنتیک

نام نخستين پديدآور

/سید جواد خواجه محمدی لر

نام ناشر، پخش کننده و غيره

تبریز: دانشگاه تبریز، گروه عمران

نام خاص و کميت اثر

‮‭۱۱۵‬ص.‬

ساير جزييات

:مصور، جدول، نمودار، عکس‮‭۳۰‬*‮‭۲۹‬س.م-+لوح فشرده

متن يادداشت

چاپی

متن يادداشت

واژه نامه بصورت زیرنویس

متن يادداشت

کتابنامه ص.: ‮‭۱۱۱-۱۱۵‬

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

عمران

زمان اعطا مدرک

‮‭۱۳۸۷/۰۳/۲۵‬

کسي که مدرک را اعطا کرده

تبریز: دانشگاه تبریز، گروه عمران

متن يادداشت

در دهه های اخیر به علت اهمیت برنامه های مدیریت حوضه های آبریز که شامل مطالعه،گسترش، استفاده سودمند از منابع و جلوگیری از حوادث ناگهانی می‌شود، احتیاج فراوانی به اطلاعات کافی و تخمین صحیح بارش و رواناب در حوضه های آبریز بوجود آمده است .با توجه به اهمیت این مساله، مدل های تفهیمی مختلفی ارائه شده است که این مدل ها همواره دارای پارامترهائی هستند که می بایست با توجه به داده های مشاهداتی مورد تخمین قرار گیرند .تخمین دقیق پارامترهای مدل های مذکور،ازاهمیت بسزائی برخورداراست و مطالعات و تحقیقات بعد بستگی به چگونگی تخمین پارامتر دارد .با توجه به اهمیت این موضوع،روشهای بسیار زیادی برای تخمین پارامتر وجود دارد از جمله:روش ممان ها ‮‭(Moments)‬ ، برآورددرستنمائی حداکثر ‮‭(Maximum Likelihood)‬ ، روش کمترین خطای مربعات ‮‭(Least Square Error)‬، اصل حداکثرآنتروپی ‮‭(Maximum Entropy)‬، برنامه ریزی خطی ( ‮‭(Linear Programming‬ و الگوریتم ژنتیک .( ‮‭(Genetic Algorithm‬ در این تحقیق پارامترهای یک مدل تفهیمی بارش رواناب) مدل ( ‮‭Nash‬ با استفاده از روشهای مختلف تخمین زده شده و قابلیت هر کدام از آنها مورد ارزیابی قرار گرفته است .در انتها با توجه به نتایج بدست آمده، ملاحظه شد روش الگوریتم ژنتیک که یکی از روش های مبتنی بر هوش مصنوعی می باشد، نسبت به روشهای کلاسیک تخمین پارامتر، جواب های بهتری برای پارامترهای مدل بارش- رواناب تخمین می زند .برای نیل به مقصود فوق از داده های بارش- رواناب حوضه معرف امامه واقع در استان تهران - ایران استفاده شده است.

متن يادداشت

In recent decades, there is an abundant need of adequate data and correct estimation of rainfall-runoff in the catchment areas according to the importance of the catchment areas management programming including studying, expanding, making use of resources, and preventing the unforeseen events. Based on the gravity of the issue, different explanatory models have been given. These models have usually contained some parameters which have to be estimated according to the monitored data.Precise estimation of parameters of the mentioned models is of great importance and further investigations are highly dependent on the estimation condition. According to the importance of the matter, numerous parameter estimation methods are available such as:Moment method, Maximum likelihood method, Least square error method, Maximum entropy method, Linear programming method and Genetic algorithm method.In this study, the parameters of a conceptual model of precipitation-runoff (Nash Model), were estimated by mentioned methods. Besides, merits of each model was assessed.Finally according to the achieved results, it has been observed that genetic algorithm method which is one of the methods based on artificial intelligence, estimates better results for parameters of rainfall-runoff method than classic method of parameters estimation. In order to reach the above goal, the data of the rainfall-runoff of the Ammameh watershed were used. This watershed is locating in north of Tehran,Iran.

موضوع مستند نشده

Rainfall-Runoff

موضوع مستند نشده

Estimation of Parameter

موضوع مستند نشده

Genetic Algorithm

موضوع مستند نشده

Nash Model

موضوع مستند نشده

Ammameh watershed

مستند نام اشخاص تاييد نشده

خواجه محمدی لر،سید جواد

مستند نام اشخاص تاييد نشده

نورانی، وحید، استاد راهنما

مستند نام اشخاص تاييد نشده

حسن زاده، یوسف، استاد مشاور

يادداشت عمومي

سیاه و سفید

وضعیت فهرست نویسی

نمایه‌سازی قبلی