
تعداد نشریات | 162 |
تعداد شمارهها | 6,685 |
تعداد مقالات | 72,106 |
تعداد مشاهده مقاله | 128,957,509 |
تعداد دریافت فایل اصل مقاله | 101,737,680 |
توسعۀ مدل ماسکینگام غیرخطی و مقایسۀ آن با مدل HEC-RAS جهت روندیابی سیل در رودخانهها | ||
مجله اکوهیدرولوژی | ||
مقاله 5، دوره 1، شماره 2، مهر 1393، صفحه 111-122 اصل مقاله (1.04 M) | ||
نوع مقاله: پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ije.2014.53547 | ||
نویسندگان | ||
محمد شایان نژاد* 1؛ ناهید اکبری2؛ افشین هنربخش3 | ||
1دانشیار، دانشکدۀ کشاورزی، دانشگاه صنعتی اصفهان | ||
2دانشجوی کارشناسی ارشد، دانشکدۀ کشاورزی، دانشگاه صنعتی اصفهان | ||
3دانشیار، دانشکدۀ منابع طبیعی و علوم زمین، دانشگاه شهرکرد | ||
چکیده | ||
روندیابی سیل در رودخانهها فرایندی ریاضی است که برای تعیین هیدروگراف جریان در هر نقطه از رودخانه صورت میگیرد. یکی از روشهای روندیابی، حل معادلات کامل سنتونانت در تحلیل جریان غیرماندگار است که بهدلیل پیچیدگی زیاد، نیازمند استفاده از کامپیوتر و مدلهای توسعهیافته است. در مقابل این روش پیچیده، روشهای سادهتر و با دقت مناسب توسعه یافتهاند که از دیدگاه هیدرولوژیستها نتایج قابل قبولی دارند. مدل ماسکینگام یکی از این روشهاست که دقت در تخمین پارامترهای آن بر هیدروگراف روندیابیشده، بهخصوص بر حداکثر مقدار سیلاب، تأثیرگذار است. ازآنجا که الگوریتم ژنتیک گزینۀ مناسبی برای تعیین پارامترهای بهینۀ مدل غیرخطی ماسکینگام است، در این تحقیق ضرایب بهینۀ مدل غیرخطی ماسکینگام از این روش در برنامۀ MATLAB و برای دامنۀ وسیعی از هیدروگرافهای خروجی بهدستآمده از نرمافزار HEC-RAS حاصل آمد. با بهدست آوردن مقادیر بهینۀ این پارامترها و داشتن خصوصیات فیزیکی و هندسی رودخانۀ مورد مطالعه، تغییرات این خصوصیات و همچنین تغییرات پارامترهای روابط مدل ماسکینگام-کانژ بر مقادیر ضرایب غیرخطی ماسکینگام بررسی شد. از این طریق، روابطی برای ضرایب مدل ماسکینگام غیرخطی ، و بهصورت تابعی از مشخصات رودخانه و سیلاب ورودی ارائه شد. سپس روندیابی سیل از روش حل معادلات دیفرانسیلی مرتبۀ اول بهروش رانگ-کوتای مرتبۀ 4 انجام گرفت. برای بررسی دقت روابط مدل توسعهیافته، هیدروگرافهای خروجی از پنج سیلاب بازهای از یک رودخانه، با هیدروگرافهای خروجی محاسبهشده با روش توسعهیافته و نرمافزار HEC-RAS مقایسه و نتایج دو روش با استفاده از فاکتور RMSE و ضریب همبستگی تجزیهوتحلیل شد. نتایج نشان داد دقت مدل توسعهیافته مشابه نرمافزار HEC-RAS است، بنابراین میتوان از مدل توسعهیافته در مطالعات آینده در زمینۀ روندیابی سیل استفاده کرد. | ||
کلیدواژهها | ||
الگوریتم ژنتیک؛ بهینهسازی؛ روندیابی سیل؛ مدل ماسکینگام غیرخطی HEC-RAS | ||
مراجع | ||
10. and Flood Routing”. In Proceedings of the Conference of the North Atlantic Division, U. S. Engineer Department, USA, New London, June.
11. Gill, M.A. (1978). “Flood Routing by Muskingum Method”. Journal of Hydrology, 36, 353-363.
12. Yoon, J.; Padmanabhan, G. (1993). “Parameter Estimation of Linear and Nonlinear Muskingum Models”. Journal of Water Resources Planning and Management, 119(5), 600-610.
13. Wilson, Eric Montgomery (1990). Engineering Hydrology. Washington, Scholium Intl, pp. 348.
14. Samani, H.M.V.; Shamsipour, G.A. (2004). “Hydrologic Flood Routing in Branched River Systems via Nonlinear Optimization”. Journal of Hydraulic Research, 42(1), 55-59.
15. Alhumoud, J.M.; Esen, I.M. (2006). “Approximate Methods for the Estimation of Muskingum Flood Routing Parameters”. Water Resources Management, 20(6), 979-990.
16. Karahan, H. (2012). “Predicting Muskingum Flood Routing Parameters Using Spreadsheets”. Computational Applications in Engineering Education, 20(2), 280-286.
17. Tung, Y.K. (1984). “River Flood Routing by Nonlinear Muskingum Method”. Journal of Hydraulics Division, 111(12), 1447-1460.
18. Mohan, S. (1997). “Parameter Estimation of Nonlinear Muskingum Models Using Genetic Algorithm”. Journal of Hydraulic Engineering (ASCE), 123(2), 137-142.
19. Cunge, J.A. (1969). “On the Subject of a Flood Propagation Computation Method (Muskingum Method)”. Journal of Hydraulic Research, 7(2), 205-230.
20. Goldberg, David E. (1989). Genetic Algorithm in Search, Optimization and Machine Learning. Boston, Addison Wesley, pp. 438. | ||
آمار تعداد مشاهده مقاله: 2,823 تعداد دریافت فایل اصل مقاله: 1,832 |