مقاله تخمین بهینه پارامترهای مدل ماسکینگام در روند یابی سیلاب (مطالعه موردی: گرگان رود)

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله تخمین بهینه پارامترهای مدل ماسکینگام در روند یابی سیلاب (مطالعه موردی: گرگان رود) دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله تخمین بهینه پارامترهای مدل ماسکینگام در روند یابی سیلاب (مطالعه موردی: گرگان رود)  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله تخمین بهینه پارامترهای مدل ماسکینگام در روند یابی سیلاب (مطالعه موردی: گرگان رود)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله تخمین بهینه پارامترهای مدل ماسکینگام در روند یابی سیلاب (مطالعه موردی: گرگان رود) :

تعداد صفحات:۱۳
چکیده:
اگرچه کاربرد مدل ماسکینگام در روندیابی هیدرولوژیک سیل به دلیل مشکل بودن تخمین پارامترهای آن هنوز با دشواری روبروست، اما این مدل به طور گسترده ای برای روند یابی سیل در طرح های مهندسی بکار می رود. از آنجایی که مدل ماسکینگام از جمله روش های روندیابی هیدرولوزیک است که دقت در تخمین پارامترهای آن بر هیدروگراف روند یابی شده، به خصوص بر حداکثر مقدار سیلاب، تأثیر گذار است؛ محققین زیادی کوشیده اند تا با استفاده از روش های علمی متفاوت در کاهش خطای پیش بینی پارامترهای این مدل گام بردارند. از جمله این روش ها استفاده از الگوریتم های بهینه سازی است که عموماً به عنوان گزینه ای مناسب برای تعیین پارامترهای بهینه یا نزدیک به بهینه در مدل ماسکینگام به کار می روند. در مقاله حاضر، برای اولین بار، الگوریتم بهینه سازی جستجوی فاخته در دو مورد مطالعاتی واقعی استفاده شده که در آن مجموع مربعات انحرافات دبی روند یابی شده مشاهداتی و محاسباتی به عنوان تابع هدف و میزان انحراف دبی اوج مشاهداتی و محاسباتی به عنوان پارامتر مهم دخیل در هیدروگراف روند یابی شده سیلاب درنظر گرفته شده است. نتایج عددی حاکی از آن است که الگوریتم ارائه شده توانایی نسبتاً بالایی در تعیین بهینه پارامترهای مدل ماسکینگام دارد. همچنین در مقایسه با سایر روش های موجود، الگوریتم بهینه سازی جستجوی فاخته کارآمدتر بوده است.