مدلسازی فرآیند بارش- رواناب با استفاده از روش کنترل گروهی داده ها (GMDH) و شبکه های عصبی مصنوعی (ANN) در حوزه آبخیز پلرود
نویسندگان
چکیده مقاله:
این مقاله چکیده ندارد
منابع مشابه
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...
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 کاملشبیه 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...
متن کاملمدل 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...
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 10
صفحات 68- 84
تاریخ انتشار 2015-01
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