سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات161
تعداد شماره‌ها6,532
تعداد مقالات70,502
تعداد مشاهده مقاله124,117,118
تعداد دریافت فایل اصل مقاله97,222,093
شایان نژاد, محمد, اکبری, ناهید, هنربخش, افشین. (1393). توسعۀ مدل ماسکینگام غیرخطی و مقایسۀ آن با مدل HEC-RAS جهت روندیابی سیل در رودخانه‌ها. , 1(2), 111-122. doi: 10.22059/ije.2014.53547
محمد شایان نژاد; ناهید اکبری; افشین هنربخش. "توسعۀ مدل ماسکینگام غیرخطی و مقایسۀ آن با مدل HEC-RAS جهت روندیابی سیل در رودخانه‌ها". , 1, 2, 1393, 111-122. doi: 10.22059/ije.2014.53547
شایان نژاد, محمد, اکبری, ناهید, هنربخش, افشین. (1393). 'توسعۀ مدل ماسکینگام غیرخطی و مقایسۀ آن با مدل HEC-RAS جهت روندیابی سیل در رودخانه‌ها', , 1(2), pp. 111-122. doi: 10.22059/ije.2014.53547
شایان نژاد, محمد, اکبری, ناهید, هنربخش, افشین. توسعۀ مدل ماسکینگام غیرخطی و مقایسۀ آن با مدل HEC-RAS جهت روندیابی سیل در رودخانه‌ها. , 1393; 1(2): 111-122. doi: 10.22059/ije.2014.53547

توسعۀ مدل ماسکینگام غیرخطی و مقایسۀ آن با مدل HEC-RAS جهت روندیابی سیل در رودخانه‌ها

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
عنوان مقاله [English]
Development of Nonlinear Muskingum Model and its Compare with HEC-RAS Model for Flood Routing in Rivers
نویسندگان [English]
mohammad shayannejad1؛ Nahid Akbari2؛ Afshin Honarbakhsh3
چکیده [English]
Flood routing in rivers is a mathematical procedure to determine flow hydrograph at a point in a river. One of routing methods is based on solution of Saint-Venant equations for unsteady flows. Because this method is very complex and need to more information of river, other methods with simple calculations and reasonably accurate results have been extended and give generally satisfactory results for hydrologist researchers and need to lower information of river. Muskingum model is one of these methods that accuracy in evaluation of its parameters effects on predicting flood hydrograph, especially peak rate of flow. As far as genetic algorithm is an appropriate solution to determine optimized nonlinear Muskingum coefficients, in this study we used this method to determine optimized coefficients in MATLAB and for a wide range of hydrographs getting from HEC-RAS software. Then the nonlinear Muskingum coefficients were presented as functions of river characteristics and inflow hydrograph. The model has been developed using the functions and solving of differential continuty equation with Rung-Kutta order 4. To determine the accuracy of the model, measured hydrographs of 5 floods in a reach, were compared to hydrographs computed by the model and HEC-RAS software and the results were analyzed using RMSE factor and correlation coefficient. Results indicate that there was no significant diference between the model and HEC-RAS .
کلیدواژه‌ها [English]
Flood routing, Nonlinear Muskingum Model, Optimization, Genetic Algorithm, HEC-RAS
مراجع
  1. قبادیان، رسول (1387). «مدل ریاضی روندیابی هیدرولیکی سیلاب در رودخانۀ قره­سو با استفاده از حل عددی معادلات جریان غیرماندگار». هفتمین کنفرانس هیدرولیک ایران، ایران، تهران، آبان ماه.
  2. مرادی، حمیدرضا؛ وفاخواه، مهدی؛ اکبری باویل، علی (1386). «مقایسۀ روندیابی سیل با دو روش ماسکینگام و ماسکینگام-کانژ در بخشی از رودخانۀ لیقوان». مجله علوم و فنون کشاورزی و منابع طبیعی، شمارۀ 42 :342-335.
    1. Soentoro, Edya (1991). Comparison of Flood Routing Methods, Master of Applied Science. Department of Civil Engineering, University of British Columbia, pp.106.
    2. Patricia, C.; Raimundo, S. (2005). “Solution of Saint-Venant Equation to Study Flood in Rivers through Numerical Methods”. 25th Annual American Geophysical Union Hydrology Days, USA, Colorado, March.
    3. Maidment, David R. (1992). Hand Book of Hydrology. New York, McGraw-Hill, pp. 1424.
    4. Chow, Ven Te; Maidment, David R.; Mays, Larry W. (1998). Applied Hydrology. New York, McGraw-Hill, pp. 572.
    5. Knebl, M.R.; Yang, Z.L.; Hutchison, K.; Maidment, D.R. (2005). “Regional Scale Flood Modeling Using NEXRAD Rainfall, GIS, and HEC-HMS/RAS: A Case Study for the San Antonio River Basin Summer 2002 Storm Event”. Journal of Environmental Management, 75, 325-336.
    6. Sholtes, Joel (2009). Hydraulic Analysis of Stream Restoration on Flood Wave Propagation. Master of Applied Science, Department of Physical Geography, University of North Carolina.
    7. Ponce, V.M.; Lugo, A. (2001). “Modeling Looped Rating in Muskingum-Cunge Routing”. Journal of Hydrologic Engineering (ASCE), 6(2), 119-124.
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: 2,775
تعداد دریافت فایل اصل مقاله: 1,767


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب