شبیه سازی آبنمود بارش- رواناب با توجه به الگوی زمانی بارش و استفاده از شبکه عصبی مصنوعی در حوزه آبریز معرف کسیلیان
نویسنده
چکیده مقاله:
این مقاله چکیده ندارد
منابع مشابه
مدلسازی 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...
متن کاملشبیه 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...
متن کاملمدل سازی بارش- رواناب با استفاده از شبکه عصبی مصنوعی و شبکه فازی- عصبی تطبیقی در حوزه آبخیز کسیلیان
مدلسازی فرآیند بارش - رواناب و پیشبینی دبی رودخانه یک اقدام مهم در مدیریت و مهار سیلابها، طراحی سازههای آبی در حوزههای آبخیز و مدیریت خشکسالی است. هدف این تحقیق شبیهسازی جریان روزانه در حوزه آبخیز کسیلیان با استفاده از شبکه عصبی مصنوعی و شبکه عصبی- فازی تطبیقی است. روشهای هوشمند دارای قابلیت بالایی برای برقراری ارتباط بین دادههای ورودی و خروجی میباشند. در این تحقیق از آمار بارش، تبخیر ...
متن کاملشبیه سازی بارش- رواناب با استفاده از شبکه عصبی مصنوعی(مورد: حوضه آبخیز فریدن)
سیل، یکی از پدیده‌های ویرانگر طبیعی است که پیشبینی آن از اهمیت بالایی برخوردار است و در این میان برآورد بارش- رواناب به دلیل تأثیرگذاری عوامل مختلف، دشوار است. در این پژوهش با استفاده از شبکه پرسپترون چند لایه(MLP)، قانون یادگیری پس‌انتشار خطا(BP)، الگوریتم لونبرگ- مارکوارت(LM) و معیارهای RMSE و R2 جهت کارایی مدل، 6 سناریو تعریف گردید. بررسی حالات مختلف نشان داد که بهترین مدل شبکه عصبی جهت شبی...
متن کاملارزیابی و مقایسه روش شبکه عصبی مصنوعی و نرم افزارHEC-HMS در شبیهسازی آبنمود بارش- رواناب در حوضه آبخیز معرف کسیلیان
فرایند بارش- رواناب یک پدیدهی کاملا" پیچیده و غیرخطی در آبشناسی و منابع آب میباشد. در سالهای اخیر، شبکه‌های عصبی مصنوعی کاربرد گستردهای را در شبیهسازی روابط غیرخطی و پیچیده مانند رابطهی بارش-رواناب پیدا کرده است. دراین تحقیق، به منظور شبیهسازی آبنمود بارش-رواناب در حوضهی آبخیز معرف کسیلیان از روش شبکهی عصبی مصنوعی (با ساختار7-10-9) و نرمافزار HEC-HMS استفاده گردید. به منظور آموزش بهتر ...
متن کاملشبیه 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...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 5 شماره 15
صفحات 1- 10
تاریخ انتشار 2011-05
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023