عنوان پایان‌نامه
پیش بینی سیلابهای ورودی به مخزن سد لتیان با استفاده از شبکه های عصبی مصنوعی
- رشته تحصیلی
- مهندسی‌کشاورزی-آبیاری و زهکشی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 39527;کتابخانه پردیس ابوریحان شماره ثبت: 182
- تاریخ دفاع
- ۱۸ شهریور ۱۳۸۷
- دانشجو
- میثم نقاشیان
- استاد راهنما
- محمدابراهیم بنی حبیب
- چکیده
- دقت در پیش بینی سیلاب می تواند اطلاعات مهمی برای مدیریت منابع آب در اختیار قرار دهد و باعث کاهش خسارات ناشی از سیل شود. سد لتیان واقع در رودخانه جاجرود در شمالی ترین قسمت استان تهران قرار دارد. باتوجه به آبادیها، شهرها و مناطق کشاورزی موجود درحوضه آبریز این رودخانه، لازم می نماید جهت استقرار سیستم های هشدار سیلاب و حفاظت از منطقه و استفاده بهینه از مخزن سد، از حجم سیلاب ورودی به این منطقه اطلاعات کافی در اختیار مسوولین قرارگیرد. هدف از این تحقیق بررسی اثر استفاده از داده های چند ایستگاه باران سنجی بجای یک ایستگاه ، در دقت شبیه سازی و پیش بینی سیلاب توسط مدل شبکه عصبی مصنوعی می باشد. بدین منظور با بررسی ایستگاههای باران سنج ثبات موجود در حوضه، دو ایستگاه باران سنجی امامه و لتیان و ایستگاه آب سنجی رودک برای استفاده در مدل در نظر گرفته شدند . چهار سناریو برای ورود داده ها تعریف گردید. مدل شبکه عصبی مصنوعی دارای ساختار دینامیک بوده که در هر سناریو پارامترهای موثر بر شبکه تعیین شدند . پس از بررسی ساختار مناسب در هرسناریو هیدروگراف سیل پیش بینی شد و با هیدروگراف واقعی سیل مقایسه گردید. نتایج نشان داد که افزایش ایستگاههای باران سنجی موجب افزایش دقت تخمین هیدروگراف سیل گردیده است. نتایج همچنین نشان داد که در افزایش ایستگاهها استفاده از روش مجموع عمق بارش در ورود داده ها دقت پیش بینی ها را بهبود می بخشد. کلمات کلیدی: پیش بینی سیل، سد لتیان، مدل شبکه عصبی مصنوعی، روش مجموع عمق بارش
- Abstract
- Accuracy in runoff prediction provides important information for water resources management and decrease the lossescaused by the flood Latian dam that is placed north of Tehran province is located in Jajrood River Because of existence cities Villages and agriculture region in Jajrood watershed and for establish flood warning systems and optimum use of reservoir dam to have about entrance flood volume is necessary Study effect of use some raingauge station data instead one station on accuracy of flood simulation and prediction by artificial neural networks is the goal of this research For this purpose in Jajrood River two recording raingauge stations Emameh and Latian and a hydrometric station Roodak chose for use in medel Data is explained in four scenarios Structure of artificial neural network model is dynamic that effective parameters on network determined in each scenario After select proper structure of model in each scenario flood hydrograph predicted and compared with observed hydrograph Results demonstrated that increase recording reingauge stations increase prediction hydrograph accuracy Furthermore in input of ANN prediction improved with fourth scenario.
