Documents disponibles écrits par cet auteur

Semidistributed Form of the Tank Model Coupled with Artificial Neural Networks / Chen, Jieyun in Journal of hydrologic engineering, Vol. 11 N°5 (Septembre/Octobre 2006) 

Public ISBD [article]  in Journal of hydrologic engineering > Vol. 11 N°5 (Septembre/Octobre 2006) . - 408-417 p. Titre : Semidistributed Form of the Tank Model Coupled with Artificial Neural Networks Titre original : Forme Semi-Distribuée du Modèle de Réservoir Couplé aux Réseaux Neurologiques Artificiels Type de document : texte imprimé Auteurs : Chen, Jieyun, Auteur ; Adams, Barry J., Auteur Article en page(s) : 408-417 p. Note générale : Hydrologie Langues : Anglais (eng) Mots-clés : Neural  networks  Rainfall  Runoff  Water  resources  Réseaux  neurologiques  Précipitations  Ecoulement  Ressources  d'eau Index. décimale : 621.3 Ingénierie électrique Résumé : Traditional conceptual rainfall — runoff models in the lumped form are usually developed without consideration of the spatial variation of rainfall and the heterogeneity of the watershed geomorphological nature. As an improvement to traditional conceptual models of the lumped form, a semidistributed form of the Tank model coupled with artificial neural networks (ANNs) is proposed herein. As a result, the effect of spatial variations of rainfall and model parameters can be investigated by dividing the entire catchment into a number of subcatchments and applying the spatially varied rainfall inputs and parameters to each subcatchment. Furthermore, in contrast to the linear summation commonly used in watershed routing that usually regards the total simulated runoff at the entire catchment outlet as a linear superposition of the routed runoff from all individual subcatchments, artificial neural networks are employed to explore nonlinear transformations of the runoff generated from the individual subcatchments into the total runoff at the entire watershed outlet. As illustrated in this study, coupling ANNs with traditional conceptual models reveals a promising new approach to catchment rainfall-runoff modeling. Les modèles conceptuels traditionnels d'écoulement de précipitations dans lumped la forme sont habituellement développés sans considération de la variation spatiale des précipitations et de l'hétérogénéité de la nature géomorphologique de ligne de partage. Car une amélioration aux modèles conceptuels traditionnels du lumped la forme, on propose ci-dessus une semi-finale a distribué la forme du modèle de réservoir couplé aux réseaux neurologiques artificiels (ANNs). En conséquence, l'effet des variations spatiales des précipitations et des paramètres de modèle peut être étudié en divisant la captation entière en un certain nombre de catchments secondaires et en s'appliquant les entrées et les paramètres dans l'espace changés de précipitations à chaque subcatchment. En outre, contrairement à l'addition linéaire généralement utilisée dans le cheminement de ligne de partage qui considère habituellement tout le écoulement simulé à la sortie entière de captation comme une superposition linéaire de l'écoulement conduit de tous les différents subcatchments, des réseaux neurologiques artificiels sont utilisés pour explorer des transformations non-linéaires de l'écoulement produit des différents secondairs engrenages dans tout le écoulement à la sortie entière de ligne de partage. Comme illustré dans cette étude, ANNs d'accouplement avec les modèles conceptuels traditionnels indique une nouvelle approche prometteuse à modeler d'écoulement de précipitations de captation. En ligne : jieyun_chen@yahoo.com [article] Semidistributed Form of the Tank Model Coupled with Artificial Neural Networks = Forme Semi-Distribuée du Modèle de Réservoir Couplé aux Réseaux Neurologiques Artificiels [texte imprimé] / Chen, Jieyun, Auteur ; Adams, Barry J., Auteur . - 408-417 p. Hydrologie Langues : Anglais (eng) in Journal of hydrologic engineering > Vol. 11 N°5 (Septembre/Octobre 2006) . - 408-417 p. Mots-clés : Neural  networks  Rainfall  Runoff  Water  resources  Réseaux  neurologiques  Précipitations  Ecoulement  Ressources  d'eau Index. décimale : 621.3 Ingénierie électrique Résumé : Traditional conceptual rainfall — runoff models in the lumped form are usually developed without consideration of the spatial variation of rainfall and the heterogeneity of the watershed geomorphological nature. As an improvement to traditional conceptual models of the lumped form, a semidistributed form of the Tank model coupled with artificial neural networks (ANNs) is proposed herein. As a result, the effect of spatial variations of rainfall and model parameters can be investigated by dividing the entire catchment into a number of subcatchments and applying the spatially varied rainfall inputs and parameters to each subcatchment. Furthermore, in contrast to the linear summation commonly used in watershed routing that usually regards the total simulated runoff at the entire catchment outlet as a linear superposition of the routed runoff from all individual subcatchments, artificial neural networks are employed to explore nonlinear transformations of the runoff generated from the individual subcatchments into the total runoff at the entire watershed outlet. As illustrated in this study, coupling ANNs with traditional conceptual models reveals a promising new approach to catchment rainfall-runoff modeling. Les modèles conceptuels traditionnels d'écoulement de précipitations dans lumped la forme sont habituellement développés sans considération de la variation spatiale des précipitations et de l'hétérogénéité de la nature géomorphologique de ligne de partage. Car une amélioration aux modèles conceptuels traditionnels du lumped la forme, on propose ci-dessus une semi-finale a distribué la forme du modèle de réservoir couplé aux réseaux neurologiques artificiels (ANNs). En conséquence, l'effet des variations spatiales des précipitations et des paramètres de modèle peut être étudié en divisant la captation entière en un certain nombre de catchments secondaires et en s'appliquant les entrées et les paramètres dans l'espace changés de précipitations à chaque subcatchment. En outre, contrairement à l'addition linéaire généralement utilisée dans le cheminement de ligne de partage qui considère habituellement tout le écoulement simulé à la sortie entière de captation comme une superposition linéaire de l'écoulement conduit de tous les différents subcatchments, des réseaux neurologiques artificiels sont utilisés pour explorer des transformations non-linéaires de l'écoulement produit des différents secondairs engrenages dans tout le écoulement à la sortie entière de ligne de partage. Comme illustré dans cette étude, ANNs d'accouplement avec les modèles conceptuels traditionnels indique une nouvelle approche prometteuse à modeler d'écoulement de précipitations de captation. En ligne : jieyun_chen@yahoo.com