دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Mazzoleni. Maurizio
سری:
ISBN (شابک) : 1138035904, 1351652567
ناشر: CRC Press / Balkema
سال نشر: 2016
تعداد صفحات: 275
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 48 مگابایت
کلمات کلیدی مربوط به کتاب بهبود پیشبینی سیل با جذب دادههای جمعسپاری نامشخص به مدلهای هیدرولوژیکی و هیدرولیکی: پایاننامه: پیش بینی سیل، کسب و کار و اقتصاد، زیرساخت، علوم اجتماعی، عمومی
در صورت تبدیل فایل کتاب Improving flood prediction assimilating uncertain crowdsourced data into hydrologic and hydraulic models : Dissertation به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب بهبود پیشبینی سیل با جذب دادههای جمعسپاری نامشخص به مدلهای هیدرولوژیکی و هیدرولیکی: پایاننامه نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
در سالهای اخیر، پیشرفتهای فنآوری مستمر منجر به گسترش حسگرها و دستگاههای کمهزینهای شده است که از جمعسپاری به عنوان راهی برای به دست آوردن مشاهدات متغیرهای هیدرولوژیکی به روشی پراکندهتر از حسگرهای فیزیکی استاتیک کلاسیک پشتیبانی میکنند. مزیت اصلی استفاده از این نوع سنسورها این است که نه تنها توسط تکنسین ها بلکه برای شهروندان عادی نیز قابل استفاده است. با این حال، به دلیل قابلیت اطمینان نسبتا پایین و دقت متفاوت در زمان و مکان، مشاهدات جمعسپاری به طور گسترده در مدلهای هیدرولوژیکی و/یا هیدرولیکی برای کاربردهای پیشبینی سیل ادغام نشدهاند. در عوض، آنها معمولاً برای اعتبارسنجی نتایج مدل در برابر مشاهدات، در تحلیلهای پس از رویداد استفاده شدهاند.
این تحقیق با هدف بررسی مزایای جذب مشاهدات جمعسپاری، حاصل از شبکه توزیع شده از حسگرهای فیزیکی و اجتماعی ناهمگن (استاتیک و دینامیک)، در مدلهای هیدرولوژیکی و هیدرولیکی، به منظور بهبود پیشبینی سیل انجام میشود. نتایج این مطالعه نشان میدهد که مشاهدات جمعسپاری میتواند به طور قابل توجهی پیشبینی سیل را بهبود بخشد اگر به درستی در مدلهای هیدرولوژیکی و هیدرولیکی ادغام شود. این مطالعه از رصدخانههای آب شهروندان پشتیبانی میکند، که در آن شهروندان نه تنها میتوانند نقش فعالی در جمعآوری، ارزیابی و ارتباطات داشته باشند، که منجر به پیشبینی مدلهای بهبود یافته و مدیریت بهتر سیل میشود.
In recent years, the continued technological advances have led to the spread of low-cost sensors and devices supporting crowdsourcing as a way to obtain observations of hydrological variables in a more distributed way than the classic static physical sensors. The main advantage of using these type of sensors is that they can be used not only by technicians but also by regular citizens. However, due to their relatively low reliability and varying accuracy in time and space, crowdsourced observations have not been widely integrated in hydrological and/or hydraulic models for flood forecasting applications. Instead, they have generally been used to validate model results against observations, in post-event analyses.
This research aims to investigate the benefits of assimilating the crowdsourced observations, coming from a distributed network of heterogeneous physical and social (static and dynamic) sensors, within hydrological and hydraulic models, in order to improve flood forecasting. The results of this study demonstrate that crowdsourced observations can significantly improve flood prediction if properly integrated in hydrological and hydraulic models. This study provides technological support to citizen observatories of water, in which citizens not only can play an active role in information capturing, evaluation and communication, leading to improved model forecasts and better flood management.