نتایج جستجو برای: بارش مصنوعی
تعداد نتایج: 18090 فیلتر نتایج به سال:
مدیریت نزولات جوی و استفاده بهینه از این منابع کمک شایانی به مدیریت منابع آب میکند و همچنین در مدیریت منابع آب تخمین پارامتر هیدرولوژیکی نقش اساسی دارند. در این تحقیق تخمین بارش سه ایستگاه سینوپتیک آستارا، لاهیجان و جیرنده واقع در استان گیلان با استفاده از شبکه عصبی مصنوعی (ANN) و ماشین بردار پشتیان (SVM) انجام گرفته است. از روش تحلیل مؤلفه اصلی (PCA) برای پیش پردازش داده ها و تعیین داده ها...
در این رساله هسته اصلی مباحث بر روی بهره گیری از ابزار محاسبات نرم به ویژه هوش مصنوعی، تبدیل موجک به همراه مفهوم آنتروپی برای مدلسازی کمی و کیفی منابع آب زیرزمینی با در نظر گرفتن روش خوشه بندی و اطلاع از روابط بین فرآیندهای هیدرولوژیکی (روابط بین بارش، رواناب و تراز یا کیفیت آب زیرزمینی) متمرکز شده است. به بیان دیگر مدلسازی و برآورد منابع آب زیرزمینی با مدل های مختلف خطی و غیرخطی صورت پذیرفته ا...
در این پژوهش نقش الگوهای پیوند از دور در رخداد خشکسالیهای حوضه قرهقوم مورد بررسی قرار گرفته است. در این راستا دادههای بارش 30 ایستگاه بارانسنجی و سینوپتیک و نیز دادههای مربوط به 32 نمایه عددی پیوند از دور از سایت نوآ طی دوره آماری 1987-2013 اخذ گردید. در ابتدا دادههای شاخص بارش استاندارده شده با روش تحلیل عاملی طبقهبندی، سپس راب...
در پژوهش حاضر، مدلی هیبریدی بر مبنای روشهای غیرخطی شامل رگرسیون تطبیقی چندگانه اسپلاین (MARS)، شبکهعصبی مصنوعی (ANN) و K نزدیکترین همسایه (KNN) به منظور ریزمقیاسنمایی و پیشبینی بارش ایستگاههای شهرکرد، بارز و یاسوج تحت شرایط تغییر اقلیم معرفی شده است. مدل هیبریدی ارائه شده، مانند مدل ریزمقیاسنمایی SDSM، از دو گام طبقهبندی و رگرسیون تشکیل شده است. مدل MARS برای طبقهبندی وقوع بارش و الگو...
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 ...
خشکسالی یکی از پدیدههای آب و هوایی است که در همه شرایط اقلیمی و در همه مناطق کره زمین به وقوع میپیوندد. پیشبینی خشکسالی نقش مهمی در طراحی و مدیریت منابع طبیعی، سیستمهای منابع آب، تعیین نیاز آبی گیاه ایفا مینماید. در این پژوهش جهت تخمین شاخص بارش استاندارد 12 ماهه چهار ایستگاه باران سنجی نورآباد، الشتر، درود و بروجرد واقع در استان لرستان از مدل شبکه عصبی موجک استفاده...
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...
لزومِ پیشبینى بده رودخانه در کارهاى عمرانى، برنامهریزى براى استفادة بهینه از مخازن سدها، ساماندهىِ رودخانهو هشدار سیل، کاملاً احساس مىشود. 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...
آگاهی ازتوان طبیعی تولید رواناب درحوضههای آبریز یکی از نیازهای اساسی برای برنامهریزی اصولی جهت بهرهبرداری بهینه از رواناب می باشد. از اینرو شبیهسازی بارش –رواناب در حوضههای آبریز از اهمیت زیادی برخوردار میباشد. در این مقاله به شبیهسازی پیوسته بارش-رواناب در حوضه سد مارون با شبکه های عصبی مصنوعی پرداخته شد تا توانایی و دقت این شبکه در برآورد رواناب نیز ارزیابی گردد. با توجه با اینکه تعدا...
مقدار دبی یا رواناب خروجی از یک حوضة آبخیز از اهمیت زیادی برخوردار است؛ زیرا کمبود آن ممکن است موجب خسارات مالی و مازاد آن بهصورت سیلاب ممکن است موجب خسارات جانی و مالی شود. در این پژوهش با استفاده از شبکة عصبی مصنوعی پرسپترون چندلایه (MLP) و مدل فازی عصبی تطبیقی (ANFIS) و روش رگرسیون چندمتغیره، فرایند بارش- رواناب بهصورت روزانه در حوضة آبخیز خرمآباد شبیهسازی شد. برای ورودیها از ترکیبهای ...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید