مدیریت موثر منابع آبی در یک رودخانه نیازمند شناخت صحیح و کامل از فرآیندهایی است که در آن رخ می‌دهد. روش­های هوش مصنوعی می­توانند کارایی بالایی جهت شبیه­سازی جریان رودخانه در مقیاس­های مختلف زمانی و مکانی داشته باشند. در این مطالعه از روش شبکه عصبی مصنوعی و مدل نمودار درختی M5 جهت شبیه‌سازی ماهانه جریان رودخانه در ایستگاه استور استفاده گردید. جهت شبیه‌سازی داده­های دبی جریان ماهانه در این ای...

ارزیابی جامع منابع آب در مقیاس زمانی و مکانی، می‌تواند راهکاری مؤثر برای درک تجدیدپذیری منابع آب و مدیریت بهینه آن در حوزه‌های آبخیز را فراهم آورد. در این پژوهش، مدل SWAT برای برآورد مؤلفه‌های منابع آب آبی و آب سبز (ذخیره و جریان آب سبز) در حوزه آبخیز جوانمردی استفاده شد. برای این منظور ابتدا شبیه‌سازی رواناب ماهانه با استفاده از این مدل انجام و سپس خروجی مدل با استفاده از الگوریتم SUFI-2 در بس...

داده های دبی در رودخانه ی کارون بررسی شده است.داده ها به صورت سالانه،ماهانه و روزانه هستند.ابتدا به وسیله تبدیلات عددی، داده ها را تبدیل می کنیم تا سری های موجود به یک سری مانا تبدیل شوند.سپس با بررسی ابتدایی acf سری های مذکور می توان پی برد که در این سری ها حافظه طولانی وجود دارد یا نه . سپس به وسیله ی آزمون های گوناگون آماری نظیر روش های گرافیکی (تحلیل کلاسیک، روش واریانس متراکم شده)، روش های...

آگاهی از دبی جریان و پیش بینی آن به ویژه در مواقعی که رودخانه با کم آبی مواجه است امری ضروری در جهت مدیریت بهره برداری از رودخانه است. در این مقاله به منظور مدل سازی سری های زمانی تشکیل شده از کم آبی های ماهانه و پیش بینی مقدار و زمان وقوع کم آبی ها، از یک مدل استوکستیک متداول (مدل میانگین متحرک تجمعی خودبازگشت-arima) و یک مدل مبتنی بر هوش مصنوعی (سیستم استنتاج فازی مبتنی بر شبکه تطبیقی-anfis) ...

تعیین جریان زیست‌محیطی در سامانه­ های رودخانه­ ای و سایر اکوسیستم ­های آبی، علم جدیدی در ایران و دیگر کشورهای در حال توسعه است. این پژوهش به ارزیابی نیاز اکولوژیکی در یک رودخانه، با روش­های مختلف و اکوهیدرولوژیکی می­ پردازد. در این تحقیق، نیاز زیست‌محیطی رودخانه زرینه­ رود (در شمال غرب ایران) در محدوده مطالعاتی پایین­ دست سد بوکان تا محل ورود به دریاچه ارومیه (در حدود 140 کیلومتر) با چهار روش T...

آگاهی از دبی‌ جریان و پیش‌بینی آن به ویژه در مواقعی که رودخانه با کم‌آبی مواجه است امری ضروری در جهت مدیریت بهره‌‌برداری از رودخانه است. در این مقاله به ‌منظور مدل‌سازی سری‌های‌ زمانی تشکیل شده از کم‌آبی‌های ماهانه و پیش‌بینی مقدار و زمان وقوع کم‌آبی‌ها، از یک مدل استوکستیک متداول (مدل میانگین متحرک تجمعی خودبازگشت-ARIMA) و یک مدل مبتنی بر هوش مصنوعی (سیستم استنتاج فازی مبتنی بر شبکة تطبیقی-ANF...

در چند دهه اخیر برآورد درست و به موقع از وضعیت کمی و کیفی رواناب یکی از دغدغه­های مدیریت­های کلان کشور به حساب می­آید. عدم وجود اطلاعات هیدروکلیماتولوژی در برخی از حوضه­ها و نبود اطلاعات به­موقع بر این دغدغه می­افزاید. یکی از راه­های پیش­بینی رواناب بهره­گیری از مدل­های هیدرولوژیکی و هیدرولیکی موجود است. در تحقیق حاضر با هدف پیش­بینی رواناب و بررسی روند تغییرات جریان سطحی، زیرسطحی و زیرزمینی در...

چکیده بی­شک اولین قدم برای مدیریت منابع آب پیش‌بینی و برآورد جریان رودخانه‌ها است. در این مطالعه به منظور پیش‌بینی سری زمانی جریان روزانه و ماهانه ایستگاه‌های کاکارضا و سراب صیدعلی، مدل‌های شبکه عصبی مصنوعی و سیستم استتتاج فازی عصبی تطبیقی استفاده شده است. به منظور بهبود نتایج شبیه‌سازی از آنالیز موجک به عنوان مدل ترکیبی استفاده شد. برای این هدف، سری زمانی جریان و بارش به...