سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات162
تعداد شماره‌ها6,578
تعداد مقالات71,072
تعداد مشاهده مقاله125,684,322
تعداد دریافت فایل اصل مقاله98,913,816
معینی, علی, ناصری, محسن, عبداللهی معمارزاده, سید حمیدرضا. (1390). بررسی اصلاح نتایج مدل ماسکینگام و ARMA با استفاده از فیلتر کالمن در روندیابی سیل رودخانه کارون. , 45(3), 371-378.
علی معینی; محسن ناصری; سید حمیدرضا عبداللهی معمارزاده. "بررسی اصلاح نتایج مدل ماسکینگام و ARMA با استفاده از فیلتر کالمن در روندیابی سیل رودخانه کارون". , 45, 3, 1390, 371-378.
معینی, علی, ناصری, محسن, عبداللهی معمارزاده, سید حمیدرضا. (1390). 'بررسی اصلاح نتایج مدل ماسکینگام و ARMA با استفاده از فیلتر کالمن در روندیابی سیل رودخانه کارون', , 45(3), pp. 371-378.
معینی, علی, ناصری, محسن, عبداللهی معمارزاده, سید حمیدرضا. بررسی اصلاح نتایج مدل ماسکینگام و ARMA با استفاده از فیلتر کالمن در روندیابی سیل رودخانه کارون. , 1390; 45(3): 371-378.

بررسی اصلاح نتایج مدل ماسکینگام و ARMA با استفاده از فیلتر کالمن در روندیابی سیل رودخانه کارون

نشریه مهندسی عمران و نقشه برداری
مقاله 12، دوره 45، شماره 3 - شماره پیاپی 645237، شهریور 1390، صفحه 371-378    اصل مقاله (949.69 K)
نویسندگان
علی معینی1؛ محسن ناصری2؛ سید حمیدرضا عبداللهی معمارزاده3
1Associate Professor, Dept. of Engineering Science, University College of Engineering, University of Tehran, I.R. Iran.
2PhD Student of School of Civil Engineering, University College of Engineering, University of Tehran, I.R. Iran.
3MSc. School of Civil Engineering.
چکیده
در اغلب شبیه‌سازی‌ها دقت در اثر بروز نویز کاهش می‌یابد. نویز عمدتاً ناشی از مشاهده و اندازه‌گیری یا خطای مدلسازی است. یکی از روش‌های کاهش خطای مدل، استفاده از فیلتر کالمن است. امروزه روش‌های توسعه یافته فیلتر کالمن در بسیاری از سیستم‌ها با فضای حالت خطی و غیرخطی و با تابع توزیع دلخواه نویز بکار می‌رود. در این مقاله با استفاده از فیلتر کالمن در فضای حالت خطی، نتایج مدل ماسکینگام و ARMA بکار رفته در بازه 2/63 کیلومتری از رودخانه دز حد واسط ایستگاههای بامدژ و حرمله اصلاح می‌شود. برای این منظور در بازه مذکور ضمن ایجاد مدل ماسکینگام و ARMA ، نتایج حاصل از فیلتر مدل‌های فوق با روش‌های کاملاً وفقی مقایسه شده است. همچنین در این مقاله نحوه تغییرات خطای مدل به تناسب خطای موجود در اطلاعات به نحوه مناسبی تشریح شده است.
کلیدواژه‌ها
روندیابی سیل؛ فیلتر کالمن؛ مدل ماسکینگام و ARMA
عنوان مقاله [English]
More Investigations on Kalman Filter Correction of Muskingum and ARMA Methods in Flood Routing on Karoon River Data
نویسندگان [English]
A. Moeini1؛ M. Nasseri2؛ S.H.R. Abdollahi Memarzadeh3
چکیده [English]
Noise causes to decrease the performance of simulation models. Data disturbance and inefficient simulation models are two important roots of noise. Data disturbance is resulted by errors which occur in observations and measurements. Kalman's approach in filtering the data disturbance is well-known method to reduce the noise of modeling procedure. Nowadays, the extended Kalman filters are applied to both linear or nonlinear state space and arbitrary data disturbance. In this paper, the authors applied the Kalman filter to improve two classical classes of run-off routing methods in a reach with 63.2 Km length, between Bamdej and Harmaleh stations in Khouzestan province. The results of comparing two approaches, fully adaptive and Kalman filter, showed noticeable improvement in application of filtering regarding to run-off simulation and reducing the error of computation versus observation.
کلیدواژه‌ها [English]
Flood routing, Kalman Filter, Muskingum and ARMA Method.
آمار
تعداد مشاهده مقاله: 1,645
تعداد دریافت فایل اصل مقاله: 2,735





سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب