نتایج جستجو برای: بارش مصنوعی
تعداد نتایج: 18090 فیلتر نتایج به سال:
از مدلهای مولد اقلیمی در دامنه وسیعی از مطالعات از قبیل تغییر اقلیم، هیدرولوژی، محیط زیستی و ارزیابی ریسک در کشاورزی استفاده میشود. این مدلها قادرند سریهای زمانی مصنوعی در مقیاس روزانه با طول دوره مناسب را ایجاد کنند. در این تحقیق، دادههای مدل گردش عمومی جو HADCM3 با بهکارگیری مدل LARS-WG با سناریوهای B1، A2 و A1B ریزمقیاس شده، تغییرات ماهانه و فصلی بارش، دمای کمینه و دمای بیشینه حوضه بل...
برآورد بارش برای اجرای طرح های مطالعات منابع آب، خشکسالی، طرح های آمایش سرزمین، محیط زیست، آبخیزداری و طرح های جامع کشاورزی ضروری می باشد. در این پژوهش جهت تخمین بارش ماهانه دشت کاکارضا واقع در استان لرستان از مدل برنامه ریزی بیان ژن استفاده شد و نتایج آن با سایرروشهای هوشمند از جمله سیستم استنتاج فازی_عصبی و شبکه عصبی مصنوعی مقایسه گردید. برای این منظور از پارامترهای میانگین دما، رطوبت نسبی، ...
چکیده روندیابی سیل یکی از روشهای پیشبینی سیل در رودخانهها بهمنظور مدیریت و مهار سیل است. روابط بارش - روناب و ایجاد سیل در یک منطقه، رابطۀ خطی ریاضیاتی نیست که با آن سیلابخیزی و وقوع سیلاب را در یک منطقه پیشبینی کرد و باید به این نوع پدیدهها بهصورت مدل نگریست. روشهای هوش مصنوعی و از جملۀ آنها روش شبکۀ عصبی مصنوعی و سیستم استنتاج فازی، روشهایی مطلوب در این زمینه هستند. در این پژوه...
ارتباط بین پارامترهای هیدروگرافهای واحد مصنوعی و خصوصیات ژئومورفولوژی حوضه امکان گسترش استفاده از این مدلها در حوضههای فاقد آمار را نیز فراهم میکند. در مدل هیبرید ژئومورفولوژی ارائه شده در این بررسی، ضرایب ذخیره k1 و k2، بر اساس خصوصیات ژئومورفولوژی شش حوضه در آذربایجان شرقی مدل بندی شدهاند. با استفاده از مدل هیبرید ژئومورفولوژی بدست آمده میتوان رواناب را در حوضههای فاقد آمار تخمین زد. م...
در سالهای اخیر آلودگی هوا به عنوان یکی از بزرگ ترین مشکلات زیست محیطی در سطح جهانی مطرح شده است. ازن تروپوسفری یک آلاینده ثانویه است و سبب بروز مشکلات تنفسی و تاثیر حاد بر گیاهان میشود. در این مطالعه به دلیل غیر خطی بودن و پیچیدگی این پدیدههابه مقایسه برآورد غلظت آلاینده ازن با استفاده از شبکه عصبی مصنوعی و شبکه عصبی فازی-تطبیقی پرداخته شد. در پژوهش حاضر از متغیرهای هواشناسی در ...
در این پروژه به منظور شبیه سازی بارش-رواناب از دو مدل ihacres و شبکه عصبی مصنوعی (ann ) استفاده شده است. مدل مفهومیihacres، که مبتنی بر داده های بارش و دما است، از دو بخش تشکیل شده است. این مدل در گام زمانی روزانه عمل می کند و مولفه های کند و تند جریان را (یعنی رواناب سطحی و جریان پایه) محاسبه می کند. هنگامی که به دلیل ضعف سطح اطلاعات موجود امکان درک مفهوم پدیده های فیزیکی فراهم نباشد و یا به ط...
در دهه های اخیر در کشور ما، نیاز به پیش بینی دقیق و سریع رواناب به علت افزایش تعداد سیلاب ها به شدت افزایش یافته است. بنابراین توسعه و اجرای روش های مناسب برای پیش بینی رواناب از روی داده های بارش بسیار ضروری به نظر می رسد. ولی با توجه به کمبود داده های مورد اعتماد در حوضه های آبریز، ارائه مدل هایی که بتواند این نقیصه را جبران نموده و تا حدودی ژئومورفولوژیک حوضه را نیز وارد مدلسازی نماید احساس ...
یکی از مهم¬ترین اهداف هیدرولوژی، پیش¬بینی کمی چگونگی فرایند بارش- رواناب و انتقال آن به نقطه خروجی و در پایان تعیین پارامترهای مختلف خروجی حوزه مانند دبی اوج، زمان تا اوج، حجم رواناب، زمان پایه و ... می¬باشد. این تحقیق با هدف بررسی میزان دقت هیدروگراف¬های بدست آمده از پایه¬های زمانی مختلف بارش در استان تهران انجام شد. بدین منظور زیر حوزه¬های امامه، کن، کرج و طالقان که به ترتیب دارای مساحت¬های 2...
خشکسالی یکی از رخدادهای جوی است که سبب بروز خسارات زیادی میشود. در این مطالعه از دادههای سیگنالهای بزرگ مقیاس اقلیمی استفاده شده است. سیگنالهای بزرگ مقیاس اقلیمی یکی از عوامل و پارامترهایی هستند که میتوانند در تحلیل تغییرات فصلی و سالانهی بارش و دما مؤثر باشند. در این تحقیق از دادههای ماهانهی شاخص نوسان جنوبی (SOI)، شاخص (NAO) و پدیده ENSOدر مناطقNINO3.4, NINO3, NINO4 و NINO1+2 استف...
آبخوان دشت بستانآباد واقع در استان آذربایجانشرقی تأمینکننده اصلی نیازهای آبی منطقه میباشد. با توجه به برخی محدودیتهای مدلهای عددی مثل وقتگیر و پرهزینه بودن و نیاز به دادههای زیاد، در این تحقیق از مدلهای هوش مصنوعی شامل شبکههای عصبی پیشرو (FNN)، شبکههای عصبی برگشتی (RNN) و برنامهنویسی بیان ژن (GEP) جهت بررسی تغییرات سطح آب زیرزمینی دشت استفاده شده است. دستهبندی پیزومترها به دلیل ن...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید