Documents disponibles écrits par cet auteur

Quantitative Estimation of Reservoir Sedimentation from Three Typhoon Events / Lee, Hong-Yuang in Journal of hydrologic engineering, Vol. 11 N°4 (Juillet/août 2006)

Public ISBD [article]  in Journal of hydrologic engineering > Vol. 11 N°4 (Juillet/août 2006) . - 362-370 p. Titre : Quantitative Estimation of Reservoir Sedimentation from Three Typhoon Events Titre original : Evaluation Quantitative de Sédimentation de Réservoir à Partir de Trois Evénements d'Ouragan Type de document : texte imprimé Auteurs : Lee, Hong-Yuang, Auteur ; Chiu, Yu-Jia ; Lin, Ying-Tien, Auteur Article en page(s) : 362-370 p. Note générale : Hydrologie Langues : Anglais (eng) Mots-clés : Sediment  yield  Field  investigations  Hydrologic  models  Sediment  concentration  Estimation  Reservoirs  Typhoons  Rendement  de  sédiment  Investigations  de  champ  Modèles  hydrologiques  Concentration  en  sédiment  Réservoirs  Ouragans Index. décimale : 621.3 Ingénierie électrique Résumé : Study of soil erosion in the reservoir watershed, the main source of reservoir sedimentation that affects the reservoir’s lifespan and capacity, is of vital importance for watershed management. Due mainly to the lack of data, empirical formulas are commonly used to estimate reservoir sedimentation. However, these estimations are far from accurate. Field measurements data of discharge and suspended sediment were collected during three typhoon events in Shihmen Reservoir watershed, Taiwan. Temporal variations of water surface elevation, discharge, and concentration of suspended sediment were measured. A numerical model, Hydrological Simulation Program Fortran (HSPF), developed by the USEPA was adopted to simulate the sediment yield. However, as calibration and verification data are not always available and the parameter-calibration process is complicated and tedious for novice users of the model, an artificial neural network (ANN) model was proposed. Significant amount of the synthetic data from the calibrated HSPF model were first generated to train the ANN model, which in turn was used to estimate the sediment yield. Comparisons of the sediment yield using both the HSPF and ANN model give correlation coefficients of 0.96 for training and 0.93 for validation. Without the complicated parameter calibration process, the ANN model was faster and easier to use than the HSPF model. L'étude de l'érosion de sol dans la ligne de partage de réservoir, la source principale de sédimentation de réservoir qui affecte la durée de vie et la capacité du réservoir, est d'importance essentielle pour la gestion de ligne de partage. Le dû principalement au manque de données, des formules empiriques sont généralement employés pour estimer la sédimentation de réservoir. Cependant, ces évaluations sont loin de précis. Des données de mesures sur le terrain de la décharge et du sédiment suspendu ont été rassemblées pendant trois événements d'ouragan dans la ligne de partage de réservoir de Shihmen, Taiwan. Des variations temporelles de l'altitude, de la décharge, et de la concentration de surface de l'eau du sédiment suspendu ont été mesurées. Un modèle numérique, Fortran hydrologique de programme de simulation (HSPF), développé par l'USEPA a été adopté pour simuler le rendement de sédiment. Cependant, car les données de calibrage et de vérification ne sont pas toujours disponibles et le procédé de paramètre-calibrage est compliqué et pénible pour des utilisateurs de débutant du modèle, on a proposé un modèle artificiel de réseau neurologique (ANN). La quantité significative des données synthétiques du modèle calibré de HSPF ont été produites la première fois pour former le modèle d'ANN, qui alternativement a été employé pour estimer le rendement de sédiment. Les comparaisons du sédiment rapportent des coefficients de corrélation d'élasticité en utilisant de HSPF et d'ANN modèle de 0.96 pour la formation et de 0.93 pour la validation. Sans procédé compliqué de calibrage de paramètre, le modèle d'ANN était plus rapide et plus facile à employer que le modèle de HSPF. [article] Quantitative Estimation of Reservoir Sedimentation from Three Typhoon Events = Evaluation Quantitative de Sédimentation de Réservoir à Partir de Trois Evénements d'Ouragan [texte imprimé] / Lee, Hong-Yuang, Auteur ; Chiu, Yu-Jia ; Lin, Ying-Tien, Auteur . - 362-370 p. Hydrologie Langues : Anglais (eng) in Journal of hydrologic engineering > Vol. 11 N°4 (Juillet/août 2006) . - 362-370 p. Mots-clés : Sediment  yield  Field  investigations  Hydrologic  models  Sediment  concentration  Estimation  Reservoirs  Typhoons  Rendement  de  sédiment  Investigations  de  champ  Modèles  hydrologiques  Concentration  en  sédiment  Réservoirs  Ouragans Index. décimale : 621.3 Ingénierie électrique Résumé : Study of soil erosion in the reservoir watershed, the main source of reservoir sedimentation that affects the reservoir’s lifespan and capacity, is of vital importance for watershed management. Due mainly to the lack of data, empirical formulas are commonly used to estimate reservoir sedimentation. However, these estimations are far from accurate. Field measurements data of discharge and suspended sediment were collected during three typhoon events in Shihmen Reservoir watershed, Taiwan. Temporal variations of water surface elevation, discharge, and concentration of suspended sediment were measured. A numerical model, Hydrological Simulation Program Fortran (HSPF), developed by the USEPA was adopted to simulate the sediment yield. However, as calibration and verification data are not always available and the parameter-calibration process is complicated and tedious for novice users of the model, an artificial neural network (ANN) model was proposed. Significant amount of the synthetic data from the calibrated HSPF model were first generated to train the ANN model, which in turn was used to estimate the sediment yield. Comparisons of the sediment yield using both the HSPF and ANN model give correlation coefficients of 0.96 for training and 0.93 for validation. Without the complicated parameter calibration process, the ANN model was faster and easier to use than the HSPF model. L'étude de l'érosion de sol dans la ligne de partage de réservoir, la source principale de sédimentation de réservoir qui affecte la durée de vie et la capacité du réservoir, est d'importance essentielle pour la gestion de ligne de partage. Le dû principalement au manque de données, des formules empiriques sont généralement employés pour estimer la sédimentation de réservoir. Cependant, ces évaluations sont loin de précis. Des données de mesures sur le terrain de la décharge et du sédiment suspendu ont été rassemblées pendant trois événements d'ouragan dans la ligne de partage de réservoir de Shihmen, Taiwan. Des variations temporelles de l'altitude, de la décharge, et de la concentration de surface de l'eau du sédiment suspendu ont été mesurées. Un modèle numérique, Fortran hydrologique de programme de simulation (HSPF), développé par l'USEPA a été adopté pour simuler le rendement de sédiment. Cependant, car les données de calibrage et de vérification ne sont pas toujours disponibles et le procédé de paramètre-calibrage est compliqué et pénible pour des utilisateurs de débutant du modèle, on a proposé un modèle artificiel de réseau neurologique (ANN). La quantité significative des données synthétiques du modèle calibré de HSPF ont été produites la première fois pour former le modèle d'ANN, qui alternativement a été employé pour estimer le rendement de sédiment. Les comparaisons du sédiment rapportent des coefficients de corrélation d'élasticité en utilisant de HSPF et d'ANN modèle de 0.96 pour la formation et de 0.93 pour la validation. Sans procédé compliqué de calibrage de paramètre, le modèle d'ANN était plus rapide et plus facile à employer que le modèle de HSPF.