نواقص داده ها همیشه در تحلیل های آماری مشکل ساز بوده اند. اساس مطالعات هیدرولوژی و هوا شناسی، داده های آماری مورد قبول می باشد. با توجه به خلاء های گسسته وپیوسته ای که در اغلب داده های هیدرولوژی مانند داده های حداکثر بارش 24 ساعته سالانه، که بدلایلی نظیر عدم ثبت آمار، حذف آمار غلط و خرابی یا از بین رفتن دستگاه های اندازه گیری اتفاق می افتد، تخمین وبرآورد این داده ها لازم وضروری می باشد. حداکثر ...

برآورد سیلاب و مدیریت آن از دیرباز مورد توجه کارشناسان و مدیران علوم محیطی بوده است. برای این امر روش‌‌های بسیاری وجود دارد که یکی از چشم‌گیرترین آن‌‌ها استفاده از شبکه‌‌های عصبی مصنوعی است. در این تحقیق، مدل بارش- رواناب حوضه آبریز رودخانه هلیل رود در جنوب‌شرق ایران ارائه شده است. ظهور تئوری‌های توانمند مانند منطق فازی و شبکه‌‌های عصبی مصنوعی(ANN)، الگوریتم ژنتیک و موجک تحولی عظیم در تحلیل رفت...

در این پژوهش اثر تغییر اقلیم بر مدیریت بحران سیلاب در منطقه‏‏ی دشت تجن مورد بررسی قرار گرفته است. ابتدا آشکارسازی رخداد تغییر اقلیم با استفاده از آزمون‏های ناپارامتری صورت گرفت و متغیر‏های بزرگ مقیاس مدل گردش عمومی جو با مدل اقلیمی  HadCM3تحت سناریوی A2 در چهار دوره‏ی زمانی 2001-1971، 2040-2011، 2070-2041 و 2100-2071 دریافت شدند. برای کوچک مقیاس‏سازی داده‏های مدل گردش عمومی جو در سطح منطقه از ر...

هدف تحقیق حاضر، مقایسه توانایی مدل شبکه عصبی مصنوعی و مدل همبستگی خطی چند متغیره در پیشبینی ششماه آیندة جریان ورودی به مخزن سد شاهچراغی در استان سمنان، بر اساس دادههای ماهانه آبدهی، دمای متوسط،ماهواره AVHRR بارش و سطح پوششبرف چند ماه قبل میباشد. برای تعیین سطح پوششبرف، از تصاویر سنجندهاستفاده گردیده و جداسازی سطح برف با استفاده از روش جداسازی پدیدهها بر اساس حد آستانه هیستوگرام NOAAآنها در باند...

برای شبیه سازی فرآیند بارش - رواناب در سطح حوزه آبخیز کسیلیان با مساحت حدود 68 کیلومترمربع واقع در شمال ایران، مدل (HEC-HMS) و روش شبکه عصبی مصنوعی(ANN) بکار گرفته شد. شبکه عصبی دارای قابلیت بالایی برای برقراری ارتباط بین داده های ورودی و خروجی و مدل(HEC-HMS) دارای قابلیت بالایی در بهینه سازی آبنمود شبیه سازی شده می باشد. عامل هدر رفت اولیه خاک به عنوان یک معیار کمی در برگیرنده سه فاک...

 اربرد شبکه عصبی مصنوعی در شبیه‌سازی عناصر اقلیمی و پیش‌بینی سیکل خشکسالی ) مطالعه موردی: استان اصفهان( چکیده   در این­ پژوهش، از شبکه­های عصبی مصنوعی ( Artificial Neural Networks ) به عنوان ابزاری توانمند در مدل سازی فرآیندهای غیرخطی و نامعین، به منظور پیش­بینی سیکل خشکسالی در20 ایستگاه سینوپتیک، کلیماتولوژی و هیدرومتری استان اصفهان که حداقل20 سال آمار روزانه داشتند، استفاده شد. از نرم­افزار M...

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، برنامه ریزی ژنتیک و معادلات دیفرانسیل تصادفی برای مدلسازی فرآیند بارش-رواناب توسعه یافته است. برنامه ریزی ژنتیک علاوه بر توانایی استخراج رابطه ی بین متغیّرهای ورودی و خروجی به...

آب شهاب های موجود در جو، به هر شکلی که باشند (جامد، مایع و گاز)، با تابش مایکروویو (از طریق پراکندگی، جذب و گسیل) برهمکنش می کنند. اندازه گیری های گمانه زن مایکروویو پیشرفته واحد b (amsu-b) روی ماهواره های noaa به نوع، شکل و توزیع اندازه و همچنین رفتار سقوطی آب شهاب ها در حجم تفکیک ابزار سنجش حساس و در نتیجه برای مطالعه انواع مختلف آب شهاب های جوی مفید می باشند. از جمله کاربرد اطلاعات خرد فیزیک...

براورد رواناب در حوضه های آبخیز، اهمیت زیادی در مدیریت منابع آب دارد. هدف پژوهش حاضر، توسعه مدل بارش – رواناب و تعیین موثرترین پارامترهای تولید رواناب با استفاده از روش های رگرسیون چند متغیره و شبکه عصبی مصنوعی در پلات های آزمایشی پایگاه تحقیقاتی حفاظت خاک سنگانه در استان خراسان رضوی بوده است. بدین منظور از داده های بارش – رواناب 72 رخداد بارندگی در 32 پلات آزمایشی استفاده شده است. سپس روابط رگ...

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...