ارزیابی و پیشبینی تغییرات تراز سطح آب زیرزمینی با استفاده از مدلهای خاص، اطلاعات ارزشمندی جهت مدیریتمنابع آب و برنامهریزی مصرف، در اختیار میگذارد. از بین ابزار و روشهای متفاوت موجود، مدلهای رگرسیون غیرخطیچند متغیره برای پیشبینی پدیدههای هیدرولوژیکی از اهمیت زیادی برخوردارند. در این پژوهش از دادههای ماهانه مصارف،بارش و ارتفاع سطح ایستابی برای سالهای 1380 الی 1390 دشت عجبشیر استفاده گردید. با تجز...

ارزیابی و پیشبینی تغییرات تراز سطح آب زیرزمینی با استفاده از مدلهای خاص، اطلاعات ارزشمندی جهت مدیریتمنابع آب و برنامهریزی مصرف، در اختیار میگذارد. از بین ابزار و روشهای متفاوت موجود، مدلهای رگرسیون غیرخطیچند متغیره برای پیشبینی پدیدههای هیدرولوژیکی از اهمیت زیادی برخوردارند. در این پژوهش از دادههای ماهانه مصارف،بارش و ارتفاع سطح ایستابی برای سالهای 1380 الی 1390 دشت عجبشیر استفاده گردید. با تجز...

مانگروهای ایران در زمره¬ی نادرترین اراضی جنگلی مانگرو در دنیا محسوب میشوند که در صورت نابودی، برگشت پذیری آنها بسیار دشوار و گاهی غیرممکن است. هدف این مطالعه ارزیابی و پیشبینی اثرات دما، بارندگی و افزایش سطح آب دریا به عنوان پیامدهای ناشی از تغییر اقلیم بر عرصه فضایی مانگروهای منطقه حفاظت شده جاسک در ایران می¬باشد این مطالعه خواهد توانست تصویر شفاف¬تری از اقلیم گذشته و آینده منطقه جاسک ارائه کر...

لزومِ پیشبینی بده رودخانه در کارهای عمرانی، برنامهریزی برای استفادة بهینه از مخازن سدها، ساماندهیِ رودخانهو هشدار سیل، کاملاً احساس میشود. در این راستا مسئلۀ بارش- رواناب بیشترین توجه مدلسازهای شبکههای عصبی2 برای پیشبینی بارش- mlp مصنوعی 1 را به خود معطوف کرده است. در این تحقیق از شبکههای عصبی چند لایهرواناب حوضه آبریز برفگیر لیقوانچای واقع در استان آذربایجان شرقی استفاده شده است. اطلاعات این حوضه...

پیش‌بینی بارش به دلیل عدم قطعیت بالای تخمین آن، امری مشکل می‌باشد. در این پژوهش، از الگوریتم ICA و ترکیب آن با استنتاج فازی (FUZZY-ICA) برای بررسی توانایی و مقایسه عملکرد آنها در پیشبینی بارش روزانه یک اقلیم نیمه‌خشک مانند کرمان استفاده شد. برای این منظور، از 30 سال داده روزانه ایستگاه همدیدی کرمان (1981-2010) و 10 سال داده روزانه ایستگاههای همدیدی رفسنجان و زرند(2010-2001) در فصول بارش (7ماه ا...

مدلسازی بارش رواناب از مسائل اساسی در برنامه ریزی و مدیریت منابع آب می باشد. پیش بینی بارش رواناب مسئله ای پیچیده بدلیل روابط غیرخطی بین متغیرهای تاثیرگذار در آن می باشد. هدف از این تحقیق، مدلسازی فرآیند بارش رواناب با استفاده از شبکه عصبی می باشد. برای این منظور عملکرد دو نوع شبکه عصبی منفرد و یکپارچه جهت پیشبینی رواناب یا دبی جریان روزانه و ماهانه مورد بررسی و مقایسه قرار گرفت