Προσομοίωση της σχέσης βροχόπτωσης - απορροής με μεθόδους μηχανικής μάθησης

Περίληψη

Το υδρολογικό φαινόμενο του μετασχηματισμού των κατακρημνίσεων σε απορροή αποτελεί ένα από τα σημαντικότερα πεδία έρευνας στην επιστήμη της υδρολογίας. Η μοντελοποίηση της σχέσης βροχόπτωσης-απορροής παρέχει αξιόλογες πληροφορίες για την υδρολογική συμπεριφορά μίας λεκάνης απορροής και την πιθανότητα εμφάνισης πλημμυρικών γεγονότων που προκαλούνται συνήθως από ακραία καιρικά φαινόμενα. Η διαχείριση των νερών σε επίπεδο λεκάνης απορροής και ο σχεδιασμός υδραυλικών τεχνικών έργων στηρίζονται στις εισροές, απώλειες και τελικές εκροές νερού, δηλαδή στις κατακρημνίσεις, στις απώλειες που δημιουργούνται από τη διήθηση, εξατμισοδιαπνοή και υδατοσυγκράτηση και τελικά στο νερό που απομένει και απορρέει. Η πολυπλοκότητα του φαινομένου και ο μεγάλος αριθμός παραμέτρων από τους οποίους επηρεάζεται καθιστούν δύσκολη την εύρεση μίας μαθηματικής συνάρτησης που να προσδιορίζει με ακρίβεια την τελική απορροή. Οι μέθοδοι τεχνητής νοημοσύνης και μηχανικής μάθησης έχουν το τεράστιο πλεονέκτημα της προσέγγ ...
περισσότερα

Περίληψη σε άλλη γλώσσα

The conversion of precipitation to runoff is considered one of the most important research areas in the science of hydrology. The rainfall-runoff modelling provides considerable information about the hydrologic behavior of a watershed and given the probability of appearance of flood events which usually caused from extreme weather phenomena. The watershed management and the planning of hydraulic technical infrastructure depends on water influx, losses and final discharges. The main water influx in the watershed comes from precipitation (rainfall and snowfall) and the losses include infiltration, evapotranspiration and interception. Finally the remaining water from the difference between influx and losses is the water discharge. The complexity of the rainfall-runoff relationship and the numerous parameters it involves make it difficult to determine a mathematical function that will describe precisely the final runoff. Artificial intelligence and machine learning methods have the importa ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/37295
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/37295
ND
37295
Εναλλακτικός τίτλος
Rainfal - runoff simulation with machine learning methods
Συγγραφέας
Μπότσης, Δημήτριος του Μιχαήλ
Ημερομηνία
2016
Ίδρυμα
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης (ΑΠΘ). Σχολή Πολυτεχνική. Τμήμα Πολιτικών Μηχανικών. Τομέας Υδραυλικής και Τεχνικής Περιβάλλοντος
Εξεταστική επιτροπή
Λατινόπουλος Περικλής
Κατσιφαράκης Κωνσταντίνος
Στεφανίδης Παναγιώτης
Θεοδοσίου Νικόλαος
Βαφειάδης Μάριος
Διαμαντάρας Κωνσταντίνος
Καρατζάς Γεώργιος
Επιστημονικό πεδίο
Επιστήμες Μηχανικού και ΤεχνολογίαΆλλες Επιστήμες Μηχανικού και Τεχνολογίες
Λέξεις-κλειδιά
Υδρολογία; Βροχή; Επιφανειακή απορροή; Μηχανική μάθηση; Μοντέλα προσομοίωσης
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
xxxvi, 596 σ., πιν., χαρτ., σχημ., γραφ., ευρ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)