مدلسازی فرآیند بارش- رواناب با استفاده از روش کنترل گروهی داده ها (GMDH) و شبکه های عصبی مصنوعی (ANN) در حوزه آبخیز پلرود
Authors
Abstract:
This article doesn't have abstract
similar resources
مدلسازی فرآیند بارش- رواناب با استفاده از روش کنترل گروهی داده ها (gmdh) و شبکه های عصبی مصنوعی (ann) در حوزه آبخیز پلرود
مدلسازی بارش- رواناب یک فرآیند ضروری و پیچیده میباشد که در بهرهبرداری مناسب از مخازن و مدیریت و برنامهریزی صحیح منابع آب نقش عمدهای دارد. مدلسازی این فرآیند با استفاده از روشهای مختلفی امکانپذیر است. از نظر تئوری، در مدلسازی یک سیستم میبایست روابط صریح بین متغیرهای ورودی و خروجی معلوم باشند. در حالیکه به علت معلوم نبودن روابط صریح بین متغیرها و عدم قطعیتهای ذاتی آنها، استخراج چنین مدلی ب...
full textشبیه سازی فرآیند بارش- رواناب با بکارگیری شبکه عصبی مصنوعی (ANN) و مدل HEC-HMS ( مطالعه موردی حوزه آبخیز کسیلیان)
برای شبیه سازی فرآیند بارش - رواناب در سطح حوزه آبخیز کسیلیان با مساحت حدود 68 کیلومترمربع واقع در شمال ایران، مدل (HEC-HMS) و روش شبکه عصبی مصنوعی(ANN) بکار گرفته شد. شبکه عصبی دارای قابلیت بالایی برای برقراری ارتباط بین داده های ورودی و خروجی و مدل(HEC-HMS) دارای قابلیت بالایی در بهینه سازی آبنمود شبیه سازی شده می باشد. عامل هدر رفت اولیه خاک به عنوان یک معیار کمی در برگیرنده سه فاک...
full textشبیه سازی فرآیند بارش-رواناب با استفاده از روش کنترل گروهی داده ها (gmdh) در حوضه آبریز پلرود
فرآیند بارش-رواناب یک پدیده بسیار پیچیده در علم آبشناسی و شناخت آن در مدیریت و برنامه ریزی منابع آب از اهمیت بالایی برخوردار است. مدل سازی هر چه دقیق تر این فرآیند می تواند ضریب اطمینان بالایی در طراحی سازه های هیدرولیکی، ساماندهی رودخانه و برنامه ریزی برای سیستم های هشدار سیل را ممکن نماید. جهت مدل سازی این فرآیند روش های مختلفی نظیر روش های مفهومی و عددی وجود دارد. روش های مبتنی بر هوش مصنوعی...
15 صفحه اولمدلسازی بارش- رواناب با استفاده از شبکه عصبی مصنوعی و شبکه فازی- عصبی تطبیقی در حوزه آبخیز کسیلیان
Rainfall runoff modeling and prediction of river discharge is one of the important practices in flood control and management, hydraulic structure design and drought management. The present article aims to simulate daily streamflow in Kasilian watershed using an artificial neural network (ANN) and neuro-fuzzy inference system (ANFIS). The intelligent methods have the high potential for dete...
full textمدل سازی رابطه دبی_اشل در رودخانه با استفاده از روش شبکه های عصبی مصنوعی(ann) و روش کنترل گروهی داده ها(gmdh)(مطالعه موردی: رودخانه اسکویلکیل)
پیش بینی جریان در رودخانه ها، یکی از مهم ترین مولفه های فرآیندهای هیدرولیکی و هیدرولوژیکی در مدیریت منابع آب می باشد. به منظور کاربردهای هیدرولوژیکی گوناگون نظیر تجزیه و تحلیل بیلان آب و رسوب و همچنین پروژه های کنترل و بهره برداری از مخازن، وجود اطلاعات دقیقی از شرایط دبی جریان در رودخانه بسیار مهم می باشد. از این رو هیدرولوژیست ها از داده های تاریخی جهت ایجاد یک رابطه میان دبی جریان و تراز سطح...
full textشبیه سازی فرآیند بارش رواناب در حوزه آبخیز ناورود با مدل ولترای مرتبه محدود و شبکه های عصبی مصنوعی
This study evaluates the performance of the linear first-order Volterra model for simulating nonlinear rainfall-runoff process. For this end, fifteen storm events over the Navrood River basin were collected. 70% and 30% of the events were used to calibrate and test the suitability of the model. Finally, the performance of the model was compared with the artificial neural networks (multilayer pe...
full textMy Resources
Journal title
volume 5 issue 10
pages 68- 84
publication date 2015-01
By following a journal you will be notified via email when a new issue of this journal is published.
No Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023