شماره راهنما :
1227 دكتري
پديد آورنده :
مهرپرور، ميلاد
عنوان :
بهبود پردازش مدلهاي بارش - رواناب با استفاده از روشهاي تحليل عدم قطعيت
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده عمران
صفحه شمار :
[هشت]، ۱۲۹ص.: مصور، جدول، نمودار
استاد راهنما :
كيوان اصغري
استاد مشاور :
محمد حسين گل محمدي
توصيفگر ها :
شبيه سازي بارش- رواناب , تحليل عدم قطعيت , نظريه شاهد , تجزيه واريانسي , تكنيك داده گواري EnKF , مدل هيدرولوژيكي SWAT , ماشين هاي بردار پشتيبان
استاد داور :
حميدرضا صفوي، محمدجواد عابديني، محسن ناصري
تاريخ ورود اطلاعات :
1397/07/03
كد ايرانداك :
ID1227 دكتري
چكيده فارسي :
1 چكيده پيش بيني و شبيه سازي صحيح و دقيق فرآيندهاي هيدرولوژيكي از الزامات مديريت منابع آب ميبا شد پيچيدگي سي ستمهاي هيدرولوژيكي در يك حوضهههه آبريز به علت وابسهههته بودن فرآيندها به متغيرهاي زماني و مكاني الگوهاي مختلف بارش و پارامترهاي مدلها امري محرز اسههت عدم وجود اطالعات كافي از درك كامل تعادل آبي يك حوضههه آبريز سههبب رشههد ه ه ه ه عدمقطعيتها در شههبيهسههازي فرآيندهاي هيدرولوژيكي از جمله فرآيند بارش رواناب كه امروزه از اهميت ويژه اي برخوردار اسههت ميشههود تحليل عدم قطعيت الزم اسههت به سههمتي سههو داده شههود كه منابع عدم قطعيت و همچنين منشههاآ آن در روند مدلسازي و يا پيشبيني پوشش داده شود در اين مطالعه از مدل هيدرولوژيكي SWAT جهت شههبيهسههازي رواناب خروجي از زير حوضههه آبريز چلگرد و از مدل داده محور رگرسيوني ماشينهاي بردار پشتيبان SVR جهت شبيه سازي جريان ورودي به مخزن سد زايندهرود استفاده شدهاست به منظور ارائه يك مدل مناسهههب با دقت باال عدم قطعيت در سهههه مرحله اندازهگيري تفكيك و كاهش مييابد عدم قطعيت عنوان شده نا شي از خطاي بوجود آمده ميبا شد كه اين خطا در مدل سازي فيزيكي با مدل هيدرولوژيكي SWAT نا شي از داده هاي ورودي مدل نظير بارش و دما به همراه تغييرات شرايط مرزي آنها و همچنين پارامترهاي مدل ميبا شد بدين ترتيب از دو منبع اطالعاتي دادههاي اقليمي تهيه ميشهههود يك منبع شهههامل نهادهاي دولتي بوده كه دادههاي ايسهههتگاههاي اندازهگيري زميني را شامل مي شود و منبع دوم شامل دادههاي شبيه سازي شده ماهوارهاي ميباشد كه دادههاي زميني از دقت باالتر و خالآ آماري بيشههتري نسههبت به دادههاي ماهوارهاي برخوردار اسههت منابع عدمقطعيت در مدلسههازي تجربي با مدل SVR ناشههي از خروجي در نظر گرفته شههده اسههت كه تغييرات خروجي مدل بر روي شههبيهسههازي گام زماني بعدي تا ير ميگذارد درهر دو هه ه ه مدلسهههازي فيزيكي و تجربي اصهههالم عملكرد مدلها با تكنيك دادهگواري جهت افزايش دقت شهههبيهسهههازي و كاهش عدم قطعيت در نظر گرفته ميشود
چكيده انگليسي :
121 55 Moradkhani H Hsu K L Gupta H and Sorooshian S 2005 Uncertainty assessment of hydrologic model states and parameters Sequential data assimilation using the particle filter Water Resources Research Vol 41 No 5 56 Vrugt J A Diks C G Gupta H V Bouten W and Verstraten J M 2005 Improved treatment of uncertainty in hydrologic modeling Combining the strengths of global optimization and data assimilation Water Resources Research Vol 41 No 1 57 Salamon P and Feyen L 2010 Disentangling uncertainties in distributed hydrological modeling using multiplicative error models and sequential data assimilation Water Resources Research Vol 46 No 12 W12501 58 Xie X and Zhang D 2010 Data assimilation for distributed hydrological catchment modeling via ensemble Kalman filter Advances in Water Resources Vol 33 No 6 PP 678 690 59 Sun L Seidou O and Nistor I 2016 Data Assimilation for Streamflow Forecasting State Parameter Assimilation versus Output Assimilation Journal of Hydrologic Engineering 04016060 60 Yan H Moradkhani H and Abbaszadeh P 2017 Improved Assimilation of Streamflow and Satellite Soil Moisture with the Evolutionary Particle Filter and Geostatistical Modeling In EGU General Assembly Conference Abstracts Vol 19 P 13082 61 Kashif Gill M Kemblowski M W and McKee M 2007 Soil Moisture Data Assimilation Using Support Vector Machines and Ensemble Kalman Filter1 Journal of the American Water Resources Association Vol 43 No 4 PP 1004 1015 62 Liu D Yu Z B and Lue H S 2010 Data assimilation using support vector machines and ensemble Kalman filter for multi layer soil moisture prediction Water Science and Engineering Vol 3 No 4 PP 361 377 63 Mehrparvar M and Asghari K 2014 Reservoir Inflow Prediction using Hybrid Data Assimilation and Support Vector Machine Model 8th National Congress on Civil Engineering BabolNoshirvani University of Technology Babol Iran May 7 8 64 Li X L L H Horton R An T and Yu Z 2014 Real time flood forecast using the coupling support vector machine and data assimilation method Journal of Hydroinformatics Vol 16 No 5 PP 973 988 65 Siswantoro J Prabuwono A S Abdullah A and Idrus B 2016 A linear model based on Kalman filter for improving neural network classification performance Expert Systems with Applications Vol 49 PP 112 122 66 Neitsch S L Arnold J G Kiniry J R and Williams J R 2011 Soil and water assessment tool theorethical documentation version 2009 Texas Water Resources Institute Technical Report No 406
استاد راهنما :
كيوان اصغري
استاد مشاور :
محمد حسين گل محمدي
استاد داور :
حميدرضا صفوي، محمدجواد عابديني، محسن ناصري
