مدلسازی فرآیند بارش-رواناب با انبوهی از پارامترها و داده های اقلیمی همراه است که ارائه یک مدل شبیه ساز مناسب با حداقل خطا از چالش های مطالعات گذشته بوده است. عدم اطمینان و قطعیت بر صحت داده ها و پارامترهای ورودی مدل های شبیه سازی منجر به تولید خطا می شود که تاثیر قابل توجهی بر پیش بینی های بلند مدت و سیاست های مدیریتی می گذارد. در این مطالعه از مدل مفهومی آب و خاک SWAT به منظور شبیه سازی فرآیند...

سیلاب از مهم‌ترین پدیده‌های هیدرواکولوژیک طبیعت است که در هر دوره سبب وارد آمدن خساراتی به دستاوردهای بشری می‌شود؛ ازاین­رو کنترل و هدایت این پدیده، موضوع کار و تحقیق بسیاری از محققان، به‌ویژه هیدرولوژیست‌ها بوده که سعی کرده‌اند با مدلسازی سیلاب، پیش‌بینی رفتار آن را ممکن کنند تا با استفاده از نتایج، مدیریت اراضی شایان استحصال میسر شود. در مقالة حاضر نیز تلاش می­شود به‌کمک یکی از روش­های پرکارب...

در این تحقیق مدلسازی جریان‌های افقی بر روی بستر سه بعدی دریای خزر با لحاظ نمودن زبری بستر در کنار تأثیرات ورودی از رودخانه‌ها، بارش، تبخیر و در مناطق مختلف انجام شده است. هدف از انجام این تحقیق بررسی تأثیر توانایی مدلسازی پارامترهای مهم تاثیرگذار بر شبیه‌سازی در دریای خزر است. در ماجول مورد استفاده از نرم‌افزار NASIR، دسته معادلات آبهای کم‌عمق (با فرض توزیع فشار هیدرواستاتیک) به عنوان مدل ریاضی...

هیدروگراف واحد لحظه ای، هیدروگراف حاصل از بارشی به عمق واحد در مدت زمان بسیار کوتاه است که به ‎عنوان یکی از مؤلفه های مدلسازی فرایند بارش- رواناب، همواره مورد توجه محققان بوده است. در همین راستا پژوهش حاضر با هدف ارزیابی کارایی روش دیسکین در استخراج هیدروگراف واحد لحظه ای سیل در آبخیز جنگلی جعفرآباد استان گلستان با مساحتی حدود 109 کیلومتر مربع برنامه ریزی شده است. بدین منظور هیدروگراف واحد معرف...

تغییر اقلیم از طریق بروز تغییرات مهم در منابع آبی حیات زیستمندان را با مشکل مواجه می سازد. پیش بینی این تغییرات می تواند به حفاظت از بیوم ها کمک کند. با هدف پیش بینی اثر تغییر اقلیم بر کیفیت آب و بار آلودگی وارده به دریاچه زریبار مریوان، از دو مدل اقلیمی و کیفیت آب استفاده شده است. ابتدا به کمک مدل اقلیمی  had-cm3 و sdsm دمای منطقه برای دوره 2040 پیش بینی، ریزمقیاس نمایی و از طریق رابطه بین عنا...

در مدلسازی بارش-رواناب مدل ترکیبی شبکه عصبی-موجک روشی سودمند است که از تبدیل موجک برای بدست آوردن فرکانس های مختلف فرآیند و از شبکه عصبی مصنوعی (ann) برای پیش بینی دبی رواناب استفاده میکند. یکی از گامهای مهم در هر مدلی که بر پایه ann است، تعیین متغیرهای ورودی مهم در فرایند مورد مطالعه است. درغیر این صورت مدل می تواند دچار بیش سازگاری (over fitting)، یادگیری دشوارتر و عملکرد ضعیف شبکه شود. این پ...

اقلیم و پارامترهای مربوط به آن از جمله بارش و تغییرات احتمالی این عنصر در طول دوره های زمانی نقش بسزایی در محیط زندگی انسان دارد. البته با وجود قرار گرفتن ایران در منطقه خشک و نیمه خشک جهان و به سبب آن ناهنجاریهای بارشی که یکی از دغدغه های اصلی سیاستمداران و برنامه-ریزان کشور قرار گرفته لزوم شناخت عنصر مذکور و تغییرات مربوطه از طریق به کمی درآوردن و مدلبندی آماری پارامترها و فراسنج های اقلیمی و...

در این پژوهش از دو مدل گردش عمومی جو (GCM ) ( Can-ESM2, BNU-ESM) برای شبیه سازی بارش دوره آتی در شهر تبریز، استفاده شده است. مهم‌ترین ضعف مدل‌های GCM، بزرگ بودن مقیاس مکانی متغیرهای اقلیمی شبیه سازی شده است که روش‌های مختلف ریزمقیاس نمایی درصدد رفع این نقیصه می‌باشند. در این مطالعه برای ریز مقیاس نمودن متغیرهای اقلیمی مدل‌های GCM، از مدل‌های هوش مصنوعی شبکه عصبی مصنوعی ( ANN) و نروفازی ( ANFIS)...

مدل سازی فرآیند بارش- رواناب و پیش بینی دبی رودخانه یک اقدام مهم در مدیریت و مهار سیلاب ها، طراحی سازه های آبی در حوضه های آبخیز و مدیریت خشکسالی است. به علت تغییرهای زیاد مکانی، ویژگی های هیدرولوژیکی حوضه های آبخیز و الگوهای بارش، وهمچنین تعداد زیاد متغیرهای فیزیکی دخیل در فرآیند بارش- رواناب، این پدیده یکی از پیچیده ترین فرآیندهای هیدرولوژیکی به شمار می آید. به طوری که از دیرباز پژوهشگران به ...