توضیحات
Due to the complexity of hydrological systems a single model may be unable to capture the full range of a catchment response and accurately predict the streamflows. A solution could be the in use of several specialized models organized in the so-called committees. Refining the committee approach is one of the important topics of this study, and it is demonstrated that it allows for increased predictive capability of models.
Another topic addressed is the prediction of hydrologic models uncertainty. The traditionally used Monte Carlo method is based on the past data and cannot be directly used for estimation of model uncertainty for the future model runs during its operation. In this thesis the so-called MLUE (Machine Learning for Uncertainty Estimation) approach is further explored and extended; in it the machine learning techniques (e.g. neural networks) are used to encapsulate the results of Monte Carlo experiments in a predictive model that is able to estimate uncertainty for the future states of the modelled system.
Furthermore, it is demonstrated that a committee of several predictive uncertainty models allows for an increase in prediction accuracy. Catchments in Nepal, UK and USA are used as case studies.
In flood modelling hydrological models are typically used in combination with hydraulic models forming a cascade, often supported by geospatial processing. For uncertainty analysis of flood inundation modelling of the Nzoia catchment (Kenya) SWAT hydrological and SOBEK hydrodynamic models are integrated, and the parametric uncertainty of the hydrological model is allowed to propagate through the model cascade using Monte Carlo simulations, leading to the generation of the probabilistic flood maps. Due to the high computational complexity of these experiments, the high performance (cluster) computing framework is designed and used.
This study refined a number of hydroinformatics techniques, thus enhancing uncertainty-based hydrological and integrated modelling.
————————————————————–
ترجمه ماشینی :
با توجه به پیچیدگی سیستم های هیدرولوژیکی، ممکن است یک مدل واحد نتواند طیف کامل یک پاسخ حوضه را به تصویر بکشد و جریان های جریان را به طور دقیق پیش بینی کند. راه حل می تواند استفاده از چندین مدل تخصصی سازماندهی شده در به اصطلاح کمیته ها باشد. پالایش رویکرد کمیته یکی از موضوعات مهم این مطالعه است و نشان داده شده است که امکان افزایش قابلیت پیشبینی مدلها را فراهم میکند.
موضوع دیگری که به آن پرداخته میشود، پیشبینی عدم قطعیت مدلهای هیدرولوژیکی است. روش سنتی مونت کارلو مبتنی بر دادههای گذشته است و نمیتواند مستقیماً برای تخمین عدم قطعیت مدل برای اجرای مدل آتی در طول عملیات آن استفاده شود. در این پایان نامه رویکرد به اصطلاح MLUE (یادگیری ماشین برای تخمین عدم قطعیت) بیشتر مورد بررسی و توسعه قرار می گیرد. در آن از تکنیکهای یادگیری ماشین (مثلا شبکههای عصبی) برای محصور کردن نتایج آزمایشهای مونت کارلو در یک مدل پیشبینیکننده استفاده میشود که قادر به تخمین عدم قطعیت برای وضعیتهای آینده سیستم مدلسازی شده است.
علاوه بر این، نشان داده شده است که کمیته ای از چندین مدل عدم قطعیت پیش بینی کننده امکان افزایش دقت پیش بینی را فراهم می کند. حوضه های آبریز در نپال، انگلستان و ایالات متحده آمریکا به عنوان مطالعات موردی استفاده می شوند.
در مدل سازی سیل، مدل های هیدرولوژیکی معمولاً در ترکیب با مدل های هیدرولیکی که یک آبشار را تشکیل می دهند، استفاده می شود که اغلب توسط پردازش جغرافیایی پشتیبانی می شود. برای تجزیه و تحلیل عدم قطعیت مدلسازی طغیان سیلاب حوضه آبریز نزویا (کنیا) مدلهای هیدرولوژیکی SWAT و هیدرودینامیکی SOBEK یکپارچه شدهاند و عدم قطعیت پارامتری مدل هیدرولوژیکی اجازه داده میشود تا از طریق آبشار مدل با استفاده از شبیهسازیهای مونت کارلو منتشر شود و منجر به تولید مدل شود. نقشه های احتمالی سیل با توجه به پیچیدگی محاسباتی بالای این آزمایشها، چارچوب محاسباتی با ک
tag : دانلود کتاب پالایش رویکرد کمیته و پیشبینی عدم قطعیت در مدلسازی هیدرولوژیکی , Download پالایش رویکرد کمیته و پیشبینی عدم قطعیت در مدلسازی هیدرولوژیکی , دانلود پالایش رویکرد کمیته و پیشبینی عدم قطعیت در مدلسازی هیدرولوژیکی , Download Refining the committee approach and uncertainty prediction in hydrological modelling Book , پالایش رویکرد کمیته و پیشبینی عدم قطعیت در مدلسازی هیدرولوژیکی دانلود , buy پالایش رویکرد کمیته و پیشبینی عدم قطعیت در مدلسازی هیدرولوژیکی , خرید کتاب پالایش رویکرد کمیته و پیشبینی عدم قطعیت در مدلسازی هیدرولوژیکی , دانلود کتاب Refining the committee approach and uncertainty prediction in hydrological modelling , کتاب Refining the committee approach and uncertainty prediction in hydrological modelling , دانلود Refining the committee approach and uncertainty prediction in hydrological modelling , خرید Refining the committee approach and uncertainty prediction in hydrological modelling , خرید کتاب Refining the committee approach and uncertainty prediction in hydrological modelling ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.