سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات161
تعداد شماره‌ها6,532
تعداد مقالات70,501
تعداد مشاهده مقاله124,114,285
تعداد دریافت فایل اصل مقاله97,218,068
محمدی, فاطمه, فاخری فرد, احمد, قربانی, محمد علی, دین پژوه, یعقوب, شهمراد, صداقت. (1397). توسعه مدل موجک متقاطع - فیلتر کالمن خطوط ایزوکرون برای تحلیل وقایع مرکب بارش- رواناب. , 8(1), 39-53. doi: 10.22059/jwim.2018.249040.583
فاطمه محمدی; احمد فاخری فرد; محمد علی قربانی; یعقوب دین پژوه; صداقت شهمراد. "توسعه مدل موجک متقاطع - فیلتر کالمن خطوط ایزوکرون برای تحلیل وقایع مرکب بارش- رواناب". , 8, 1, 1397, 39-53. doi: 10.22059/jwim.2018.249040.583
محمدی, فاطمه, فاخری فرد, احمد, قربانی, محمد علی, دین پژوه, یعقوب, شهمراد, صداقت. (1397). 'توسعه مدل موجک متقاطع - فیلتر کالمن خطوط ایزوکرون برای تحلیل وقایع مرکب بارش- رواناب', , 8(1), pp. 39-53. doi: 10.22059/jwim.2018.249040.583
محمدی, فاطمه, فاخری فرد, احمد, قربانی, محمد علی, دین پژوه, یعقوب, شهمراد, صداقت. توسعه مدل موجک متقاطع - فیلتر کالمن خطوط ایزوکرون برای تحلیل وقایع مرکب بارش- رواناب. , 1397; 8(1): 39-53. doi: 10.22059/jwim.2018.249040.583

توسعه مدل موجک متقاطع - فیلتر کالمن خطوط ایزوکرون برای تحلیل وقایع مرکب بارش- رواناب

مدیریت آب و آبیاری
مقاله 4، دوره 8، شماره 1، فروردین 1397، صفحه 39-53    اصل مقاله (1.3 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22059/jwim.2018.249040.583
نویسندگان
فاطمه محمدی* 1؛ احمد فاخری فرد2؛ محمد علی قربانی1؛ یعقوب دین پژوه3؛ صداقت شهمراد4
1گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
2دانشگاه تبریز-استاد گروه منابع آب
3دانشیار و عضو هیئت علمی گروه مهندسی آب دانشگاه تبریز
4گروه ریاضی، دانشکده ریاضی، دانشگاه تبریز
چکیده
مدل‌سازی هیدرولوژیکی نقشی ارزشمند در مدیریت حوضه آبخیز ایفا می‌کند. در این مطالعه از تلفیق روش‌های‌ برنامه‌ریزی-خطی، تبدیل موجک متقاطع و فیلترکالمن LP- CW- KF)) به عنوان یک مدل کنترل کننده خطا، جهت تجزیه و تحلیل نه رخداد مرکب (چند قله‌ای) و منفرد بارش و رواناب حوضه آبخیز صوفی چای استفاده شد و نتایج با روش های هیدروگراف واحد زمان– مساحت اصلاح شده و هیدروگراف واحد ژئومورفولوژی مقایسه گردید. عملکرد نهایی روش‌های مذکور با استفاده از معیارهای ارزیابی، مورد بررسی و تحلیل قرار گرفت. نتایج نشان داد روش زمان- مساحت اصلاح شده عملکرد نسبتاً ضعیفتری نسبت به دو روش دیگر دارد که ناشی از فرضیات مورد استفاده در ترسیم خطوط ایزوکرون می‌باشد. روش LP- CW- KF بهترین عملکرد را بین روش‌های مورد مطالعه نشان داد به طوریکه رخدادهای مرکب مورد مطالعه را به ترتیب در مرحله واسنجی و صحت سنجی با جذر میانگین مربعات خطای 47/2 و 2/3 شبیه سازی نمود. به طور متوسط در کل وقایع و سه روش مورد مطالعه، میانگین مطلق خطای نسبی به ترتیب در زمان تا اوج برابر 069/0، در مورد دبی اوج 131/0 و زمان پایه برابر 125/0 می باشد. لذا به طور متوسط کلیه روش ها در برآورد زمان تا اوج عملکرد مناسب تری را از خود نشان دادند.
کلیدواژه‌ها
برنامه؛ ریزی؛ خطی؛ زمان؛ مساحت؛ صوفی؛ چای؛ کنترل؛ کننده؛ خطا
مراجع
  1. عبداللهی س. (1390). تخمین دبی جریان روزانه رودخانه کارون با استفاده از آنالیز موجک متقاطع. پایان نامه کارشناسی ارشد مهندسی آب، دانشگاه تبریز.
  2. Adamowski J and Sun K (2010). Development of a coupled wavelet transform and neural network method for flow forecasting of no perennial rivers in semiarid watersheds. Hydrology. 390: 85-91.
  3. Antonios A and Constantine E.V (2003). Wavelet Exploratory Analysis of the FTSE ALL SHARE Index. Economics Letters University of Durham UK.
  4. Bateni M., Eslamian, S. S., Mousavi, S. F. and Hosseinipour E.Z. (2012). Application of a Localization Scheme in Estimating Groundwater Level using Deterministic Ensemble Kalman Filter, EWRI/ASCE 10th Symposium on Groundwater Hydrology, Quality and Management, USA.
  5. Cheng H and Sun Z (1996). Application of wavelet packets theory in maneuver target tracking. National Aerospace and Electronics Conference. 1: 157-162.
  6. Chou C.M and Wang R.Y (2004). Application of wavelet-based multi model Kalman filters to real-time flood forecasting. Hydrology process. 18: 987-1008.
  7. Guasti Lima F and Assaf Neto A (2012). Combining wavelet and kalman filters for financial time series forecasting, International Finance and Economics. 12: 47.
  8. Hong L., Chen G and Chui C.K (1998). A filter-bank-based Kalman filtering technique for wavelet estimation and decomposition of random signals. Analog Digit Signal Processing, 45(2): 237-241.
  9. Jury M.R., Enfield D.B and Melice J.L (2002). Tropical monsoons around Africa: stability of El Nino-southern oscillation associations and links with continental climate. Geophysical Research. 107: 10-29.
  10. Labat D., Ababou R and Mangin A (2000). Wavelet analysis in karstic hydrology. 2nd Part: Rainfall–runoff cross–wavelet analysis. Earth and Planetary Science. 329: 881-887.
  11. Lee Y. H. and Singh V. P(1999). Tank model using kalman filter, hydrologic engineering. 4: 344-349.
  12. Moradkhani H and Sorooshian S (2008). General Review of Rainfall-Runoff Modeling: Model Calibration, Data Assimilation, and Uncertainty Analysis, in Hydrological Modeling and Water Cycle, Coupling of the Atmospheric and Hydrological Models. Water Science and Technology Libra ry. 63: 1-23.
  13. Nayak P.C., Venkatesh B., Krishna B and Jain Sharad K (2013). Rainfall-runoff modeling using conceptual, data driven, and wavelet based computing approach. Hydrology. 493: 57-67.
  14. Nourani V, Hosseini Baghanam A, Adamowski J and Gebremichael M (2013). Using self-organizing maps and wavelet transforms for space–time pre-processing of satellite precipitation and runoff data in neural network based rainfall–runoff modeling. Hydrology. 476: 228-243.
  15. Shoaib M Y., Shamseldin A and Melville B (2014). Comparative study of different wavelet based neural network models for rainfall–runoff modeling. Hydrology. 515: 47-58.
  16. Singh V. P., Corradini C and Melone F (1985). Comparision of some methods of deriving the instantaneous unit hydrograph, Nordic hydrology. 16(1): 1-10.
  17. Todini E (1978). Mutually interactive state parameter (MISP) estimation. Application of Kalman Filter. Chapman Conference. University of Pittsburgh, Pittsburgh. 15: 135-151.
آمار
تعداد مشاهده مقاله: 437
تعداد دریافت فایل اصل مقاله: 311


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب