توضیحات
چکیده
سري زماني بارش غالباً يكي از ورودي هاي لازم براي تجزيه و تحليل و طراحي سيستم هاي هيدروليكي و هيدرولوژيكي ميباشد. اطلاعات بارش به منظور كاربرد در اين اهداف ميتواند به صورت اندازه گيري مشاهدات بدست آيد و يا اينكه به وسيله شبيه سازي اتفاقي توليد شود. يك مشكل عمده در مورد داده هاي بارندگي ثبت شده و يا توليدي اين است كه اين داده ها در بازه هاي زماني به اندازة كافي كوچك براي كاربردهاي مهندسي موجود نميباشند. براي حل اين مشكل مي توان مقادير بارندگي را به بازه هاي زماني كوچكتر تجزيه نمود. در اين تحقيق دو نوع شبكة عصبي مصنوعي (شبكة پرسپترون چند لايه، شبكة تابع پايه شعاعي) معرفي شده و از آنها براي تجزية زماني بارندگي ساعتي به زير بازه هاي پانزده دقيقه اي استفاده شده است و در نهايت عملكرد آنها با مدل تجزية زماني آرمسبي نيز مقايسه شده است. در انتها نتايج هر دو نوع شبكة عصبي نشان داد كه استفاده از شبكه هاي عصبي از لحاظ برآورد كلي هيدروگراف بارندگي داراي عملكرد مناسبي مي باشد. همچنين اين روش در تعيين مقدار حداكثر بارش پانزده دقيقه اي بسيار بهتر از روشهاي ديگر عمل ميكند. بر پاية اين نتايج، استفاده از شبكه هاي عصبي به عنوان روشي مناسب براي تجزية زماني بارندگي ساعتي به بارش هاي پانزده دقيقه اي پيشنهاد شده است.
مقدمه
يكي از متغيرهاي مؤثر بر شكل آبنمود سيلاب ها، الگوي توزيع زماني باران است. بنابراين اطلاع در مورد الگوي مناسب توزيع زماني باران براي تخمين سيلاب ميتواند يكي از اهداف هيدرولوژيست ها باشد. يكي از مشكلات موجود در داده هاي بارش اين است كه اين داده ها در فواصل زماني به اندازه كافي كوچك، موجود نميباشند كه از دلايل آن نيز ميتوان به هزينة زياد و امكانات لازم براي اندازه گيري و همچنين ثبت و نگهداري اين داده ها اشاره كرد. در نتيجه داده هاي بارش در مقياس هاي زماني كوچك، در تمام دنيا محدود بوده و معمولاً داده هاي بارش روزانه و يا ساعتي بيشتر در دسترس قرار دارند. از طرفي در اكثر پروژه هاي منابع آب، داشتن آمار بارندگي بلند مدت، تكافوي نيازهاي اولية مطالعات را نميكند.
ABSTRACT
The precipitation time series is often one of the inputs for analyzing and designing hydraulic and hydrological systems. Precipitation data for use in these purposes can be obtained by measuring observation or generated by accidental simulation. A major problem with recorded or produced rainfall data is that these data are not available at sufficiently small intervals for engineering applications. To solve this problem, rainfall can be decomposed into smaller time intervals. In this research, two types of artificial neural networks (multilayer perceptron network, radial base function network) have been introduced and used for hourly rainfall analysis under fifteen-minute intervals. Finally, their performance with the time-varying Ramsey model Is compared. Finally, the results of both types of neural network showed that the use of neural networks in terms of overall estimation of precipitation hydrograph has a good performance. Also, this method is much better than other methods in determining the maximum 15-minute rainfall. Based on these results, the use of neural networks as a suitable method for analyzing the time of rain precipitation is proposed for fifteen-minute rainfall.
INTRODUCTION
One of the variables affecting the shape of water floodwater is the time distribution pattern of rain. Therefore, informing about the proper pattern of rain distribution for flood estimation can be one of the goals of hydrologists. One of the problems with precipitation data is that these data are not available at sufficiently small intervals, due to which the high costs and facilities for measuring and recording and storing these data can be mentioned. As a result, rainfall data on a small time scale is limited throughout the world, and daily rainfall data or hourly data are usually more available. On the other hand, in most water resources projects, long-term rainfall statistics do not meet the basic needs of studies.
Year: 2011
Publisher : Sixth National Congress on Civil Engineering
By : Mohammad Reza Fallah Haggoogh Lilastani, Mohammad Bagher Sharifi
File Information: persian Language/ 8 Page / size: 341 KB
Only site members can download free of charge after registering and adding to the cart
سال : 1390
ناشر : ششمین کنـگره ملی مهنـدسی عمـران
کاری از : محمد رضا فلاح حقگو ليالستاني ،محمد باقر شريفي
اطلاعات فایل : زبان فارسی / 8 صفحه / حجم : KB 341
نقد و بررسیها
هنوز بررسیای ثبت نشده است.