نتایج جستجو برای: رواناب شبکه عصبی
تعداد نتایج: 44842 فیلتر نتایج به سال:
نیروگاه های برقابی کوچک می توانند در تولید انرژی نقش زیادی ایفا نمایند. سرشاخه های رودخانه ها مکان های مناسبی برای احداث این نیروگاه ها می باشند، ولی معمولاً این مناطق برفگیر هستند و به علت مشکلات دسترسی، فاقد آمار و یا کم آمار هستند. در این تحقیق تلاش شده تا با استفاده از حداقل آمار و اطلاعات در دسترس، شبیه سازی جریان در حوضه برفگیر سردآبرود که حوضه ای نسبتاً کوچک و دارای آمار کم می باشد به وس...
normal 0 false false false en-us x-none ar-sa microsoftinternetexplorer4
در این مطالعه به ارزیابی اثرات تغییراقلیم بر رواناب رودخانه فیروزآباد واقع در استان فارس، ایران، پرداخته شدهاست. به منظور ریزمقیاس نمایی خروجی مدلهای گردش جوی از نرمافزار LARS-WG در ایستگاه اصلی و از نرمافزار SDSM در ایستگاه بالادست استفاده شدهاست. در انتخاب مدلهای گردش جوی مناسب با منطقه مطالعاتی، از وزندهی اولیه به عنوان عنصر غربالگری استفاده شدهاست. به منظور بررسی اثرات تغییراقلیم بر...
در دهه های اخیر در کشور ما، نیاز به پیش بینی دقیق و سریع رواناب به علت افزایش تعداد سیلاب ها به شدت افزایش یافته است. بنابراین توسعه و اجرای روش های مناسب برای پیش بینی رواناب از روی داده های بارش بسیار ضروری به نظر می رسد. ولی با توجه به کمبود داده های مورد اعتماد در حوضه های آبریز، ارائه مدل هایی که بتواند این نقیصه را جبران نموده و تا حدودی ژئومورفولوژیک حوضه را نیز وارد مدلسازی نماید احساس ...
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...
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...
نقش و اهمیت فرآیند بارش-رواناب در مطالعات منابع آب موجب شده که این فرآیند از دیر باز مورد توجه متخصصین قرار گیرد. از این رو روش های متعددی همچون شبکه های عصبی مصنوعی، سیستم های فازی و نرو فازی، آنالیز موجک، الگوریتم ژنتیک، برنامهریزی ژنتیک و معادلات دیفرانسیل تصادفی برای مدلسازی فرآیند بارش-رواناب توسعه یافته است. برنامه ریزی ژنتیک علاوه بر توانایی استخراج رابطهی بین متغیّرهای ورودی و خروجی به...
تاکنون برای بیان مفهومی چرخه هیدرولوژیکی، به طور عمده، از مدلسازی های ریاضی استفاده شده است که هدف اصلی این مدل ها پیش بینی های هیدرولوژیکی و همچنین درک بهتر فرایندها می باشد. فرایند بارش- رواناب مهمترین قسمت چرخه هیدرولوژیکی است. مدلسازی جامع و دقیق این فرایند در یک حوضه خاص می تواند اطلاعات مهمی در زمینه چگونگی و محل ایجاد شهرها، نحوه کاربری اراضی، مهار سیلاب ها و مدیریت منابع آب در آن حوضه ب...
رواناب سطحی و جریان آب در رودخانه ها همواره توأم با فرسایش و حمل مواد رسوبی است، واضح است جهت مطالعه دقیق رسوب، علاوه بر شناخت طبیعت رسوب و مکانیزم آن لازم است عوامل موثر در فرسایش و رسوب گذاری، هم چنین مقدار مواد رسوبی حمل شده دقیقآً تعیین و محاسبه گردد. در پژوهش حاضر از روش شبکه ی عصبی مصنوعی که روش موثر برای تعیین روابط پیچیده غیر خطی بین عوامل می باشد، مورد استفاده قرار گرفته است. مدل شبکه ع...
آگاهی از اطلاعات دبی جریان در رودخانه ها برای مدیریت منابع آب، پیش بینی سیل، طراحی مهندسی و مدیریت زیست محیطی ضروری می باشد. مدل های ارائه شده همچون بارش-رواناب و سری های زمانی به منظور پیش بینی میزان آبدهی رودخانه ها به دلیل عدم دقت و پیچیدگی عوامل مؤثر در آبدهی در بسیاری از موارد با مقادیر مشاهده شده تطابق ندارد. موجک یکی از روشهایی است که در سالهای اخیر در زمینه هیدرولوژی مورد توجه قرار گرفت...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید