شبیه­سازی فرآیند بارش- رواناب به عنوان مهم­ترین گام در مطالعات مهندسی آب و مدیریت منابع آب است. در این تحقیق فرآیند بارش- رواناب ماهانه سیمینه­رود در دوره آماری (1390-1377) با استفاده از مدل­های ماشین بردار پشتیبان با توابع کرنل پایه شعاعی، چندجمله­ای و خطی، مدل شبکه بیزی با الگوریتم یادگیری pc و نیز مدل­های متداول شبکه عصبی مصنوعی و برنامه­ریزی بیان ژن شبیه­سازی شده و نتایج آن­ها مورد مقایسه ق...

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 ...

برآورد، پیش­بینی و مدیریت رواناب همواره مورد توجه پژوهشگران بوده است؛ لذا با به کارگیری روشهای متداول و مرسوم هر دوره، اقدام به برآورد این پدیده به ظاهر زیانبار نموده اند که متأسفانه به دلیل پیچیدگی رابطه­ی بین بارش و رواناب، و غیر خطی بودن این رابطه، نتایج خیلی دقیقی را به دست نمی­دادند. امروزه، پیشرفت علم و توسعه­ی روشهای نوین در همه­ی ابعاد علمی، امیدواری خوبی را در زمینه­ی شناخت و حل چنین ر...

یکی از پیچیده‌ترین فرآیندهای هیدرولوژیکی فرآیند بارش-رواناب است,‏ که از پارامترسهای مختلف فیزیکی و هیدرولوژیکی تاثیر می‌پذیرد. در این پژوهش با بهره‌گیری از روش‌های آماری ARMAX, شبکه عصبی, عصبی-فازی (ANFIS با جداسازی خوشه‌ای و شبکه‌ای) و دو مدل بدست آمده از ترکیب آنها به منظور مدل‌سازی فرآیند بارش-رواناب و پیش‌بینی جریان رودخانه بهره‌گیری شد. به طوری که درآغاز ساختار بهینه هر یک از مدل‌ها تعیین ...

رواناب ناشی از بارش یک فرایند پیچیده و غیرخطی بوده و بنابراین، مدل­سازی آن چندان آسان نیست. هدف این مطالعه کاربرد آزمون گاما برای انتخاب ترکیب بهینه متغیرهای ورودی در مدل­سازی رواناب رودخانه حوزه آبخیز امامه می­باشد. برای تعیین بهینه تعداد داده­های مورد نیاز برای مدل­سازی از آزمون m استفاده شد. داده­های بارندگی p(t) و روانابr(t)  در مقیاس روزانه و در طول دوره آماری 1388- 1379 استفاده شد. همچنین...

ایجاد رواناب سطحی و جریان آب در آبراهه ها، کانال ها و رودخانه ها همواره تواًم با فرسایش خاک و حمل مواد رسوبی است. میزان رسوبات وارده به مخزن سد باعث کاهش حجم موثر مخزن و عمر مفید سد گشته و نیز اثرات نامطلوب بر عملکرد تأسیسات خروجی، دریچه های سازه های وابسته، پایداری و نیز کیفیت آب مخزن دارد. بنابراین برآورد حجم واقعی رسوبات وارده به مخزن از اهمیت بالایی برخوردار است. به دلیل پیچیدگی پدیده فرسایش...

پیش­بینی در هیدرولوژی به معنی تخمین شرایط هیدرولوژیکی و هواشناسی در یک بازه زمانی خاص می­باشد. در همین راستا، فهم رابطه بین بارش و رواناب یکی از ضروری‌ترین مسائل برای مدیریت منابع آب می‌باشد. پژوهش حاضر با هدف مقایسه بین مدل‌های مختلف شبکه عصبی مصنوعی (MLP وRBF) و سری‌های زمانی آرما (ARMA) در برآورد دبی ماهانه در حوزه آبخیز طالقان برای یک دوره 30ساله بین سال‌های 1356 تا 1386 پی­ریزی شد. در روش ...

در تحقیق حاضر ابتدا آشوب پذیری سری های زمانی بارش، رواناب و دبی در دو ایستگاه پل کهنه و قورباغستان واقع بر رودخانه قره سو در کرمانشاه در سه مقیاس روزانه، هفتگی و ماهانه بررسی شد. سپس توانایی روش های پیش بینی موضعی و شبکه عصبی مصنوعی در مدل سازی این سری ها مورد ارزیابی قرار گرفت. نتایج نشان دادند که بر اساس دو روش توان لیاپانف و بعد همبستگی، سری زمانی بارش در مقیاس روزانه آشوبناک نبوده و رفتاری ...

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...

امروزه در سطح جهان مدیریت منابع آب بر اساس توسعه پایدار مورد توجه قرار گرفته است. اولین نیاز در مطالعات پروژه¬های آبی یک منطقه، شناخت منابع آب و توانایی برآورد آن در منطقه می باشد. اساس و پایه مطالعات هیدرولوژی آب¬های سطحی و کلاً تمامی طرح¬های آبی بر آماربرداری از متغیرها و تعمیم آن¬ها استوار می-باشد. بالا بودن دقت آمار، همچنین آماربرداری طولانی مدت می¬تواند در دقت و کیفیت محاسبات نقش مهمی را ای...