مدل سازی پویایی فرآیند بارش- رواناب با استفاده از مدل Vensimدر حوضه آبریز لیقوان
نام نخستين پديدآور
/صبا زینالی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: دانشکده :کشاورزی
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
مقطع تحصیلی :کارشناسی ارشد
نظم درجات
رشته :مهندسی آب
زمان اعطا مدرک
۱۳۹۱/۱۱/۱۸
کسي که مدرک را اعطا کرده
دانشگاه :تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
محدودیت منابع آبی و اصل پایداری در مدیریت آن، تامین آب کلیه نیازهای موجود را غیرممکن ساخته است، لذا به منظور تامین و عرضه آب با اطمینان پذیری بالا نیاز به برنامهریزیهای دقیق و کامل میباشد .به همین دلیل اهمیت مدیریت منابع آب در حوضهصهایی آبریز بیش از پیش نمایان شده است .رفتار حوضهصهای آبریز متأثر از پارامترهایی مختلف همچون بارش، رواناب، پوشش برف، خصوصیات فیزیوگرافی، پوشش گیاهی، وجود سدها و مخازن، رودخانهصها و ... هستند که رفتار حوضه ها را تحت تأثیر قرار میصدهند .برای شناسایی ارتباط دقیق این پارامترها با یکدیگر میصتوان روند تأثیرگذاری تکصتک این پارامترها و همچنین همه آنها را روی فرایند بارش-رواناب در حوضهصهای آبریز بررسی نمود .اخیرا مدلصهای مختلفی بدین منظور توسعه یافتهص اند که میصتوان به مدل تحلیل پویایی سیستم یا Vensim و مدلصهای هوشمند همچون برنامهصریزی ژنتیک اشاره نمود .مدل Vensim نوعی ابزار مدل سازی بصری است که قادر به تجسم، پردازش، شبیه سازی، تحلیل و بهینه سازی مدل های مربوط به سیستم های پویا (dynamic) است .این نرمافزار از دسته نرمافزارهای مدلسازی میباشد که به کاربر اجازه میدهد ضمن ساخت مدلهای مفهومی از اطلاعات در اختیار، آنها را شبیهسازی و تجزیه وتحلیل کند و به مدل بهینه برای تحلیل سیستمهای پویا دست یابد .مدل برنامه ریزی ژنتیک علاوه بر توانایی استخراج رابطهی بین متغیرهای ورودی و خروجی به طور خودکار و هوشمند، متغیرهایی که در مدل بیشترین تأثیر را دارند انتخاب میکند .همچنین راه حل های صریحی که نشانگر ارتباط بین متغیرهای ورودی و خروجی باشد، بر مبنای برنامه ریزی ژنتیک ارائه میگردد که این امر بر ارجحیت برنامه ریزی ژنتیک نسبت به مدل های هوشمند دیگر می افزاید .هدف این تحقیق استفاده از دو مدل پویایی سیستم و برنامه ریزی بیان ژن برای بدست آوردن مدلی برای فرایند بارش-رواناب در مقیاس ساعتی برای رویدادهای اتفاق افتاده در حوضه آبریز لیقوان می باشد.برای بدست آوردن مدل بارش-رواناب به طریق پویایی سیستم از مدل Vensim استفاده شد همچنین در برنامه ریزی بیان ژن ورودی های مختلفی برای بدست آوردن بهترین ترکیب برای مدل بارش-رواناب مورد آزمون قرار گرفت .نتایج حاکی ازدقت بالای مدل Vensim در شبیه سازی فرایند بارش-رواناب نسبت به مدل برنامه ریزی بیان ژن است .مدل Vensim در اکثر رویدادها ضریب همبستگی بسیار بالایی نسبت به برنامه ریزی بیان ژن داشته همچنین در پیش بینی دبی و زمان اوج کمترین خطای مطلق را دارد .
متن يادداشت
Nowadays increasing trend of water need in the world and limitation in water resources challenges water resources planning and management. Hence, studying watershed and their hydrological cycle is an important need in sustainable development and management. Complex behavior of watershed is heavily affected by snow cover, precipitation, vegetation, land use, soil moisture, physiographic and etc. Hence modeling the behavior of a watershed needs nonlinear and dynamic methods. System dynamics is a new method capable to model nonlinear and dynamics systems object-ordientedly. In addition, gene expression programming is an intelligent method which is able to extract a nonlinear mathematical equation among inputs and output. This thesis aims to model rainfall-runoff process in hourly scale for storms of Lighvan basin using system dynamics and gene expression programming. Vensim model is employed to model rainfall-runoff process with a system dynamics approach. Also different inputs are tested to find best combination of inputs to model rainfall-runoff by gene expression programming. Comparing results indicate that neither system dynamics nor gene expression programming are prior to each other. System dynamics is able to simulate increasing part of flood hydrograph more accurate and gene expression programming decreasing part.The results show that the Vensim model results were more precise than GEP model for simulation of Rainfall-Runoff process. In most storms the Vensim model has a high correlation coefficient of GEP model, also was able to forecast the peak flow and time to peak with minimum absolute error
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )