بارش مهمترین سنجه­ی هواشناسی و اقلیمی است. در این پژوهش به منظور پیش­بینی بارش اصفهان از داده های بارش ماهانه­ی ایستگاه همدید اصفهان در بازه­ی آماری (1951-2009) به مدت 59 سال و به دلیل رفتار غیرخطی بارش از شبکه های عصبی مصنوعی جهت پیش­بینی آن بهره گرفته شد. در این ارتباط، 70 درصد داده­ها جهت آموزش شبکه و 30 درصد داده ها برای تست و اعتبار سنجی اختصاص داده شد. نتایج پژوهش بعد از آزمون شبکه با لای...

در دهه های اخیر به دلیل اهمیت یافتن مسئله آب و همینطور افزایش تمایل به محاسبه مقدار رواناب حاصل از بارش، توسعه و اجرای روشهای مناسب برای پیش بینی رواناب از روی داده های بارش به مسئله ای ضروری تبدیل شده است. یکی از این روشها که در بسیاری از رشته ها از جمله هیدرولوژی توسعه یافته است، استفاده از روشهای محاسبات نرم نظیر منطق فازی و شبکه های عصبی مصنوعی است. در این تحقیق سعی گردید کارایی شبکه عصبی م...

گسترش سریع استفاده از شبکه های عصبی مصنوعی ( ann) به عنوان مدل تجربی و کارآمد در علوم مختلف از جمله هواشناسی و اقلیم شناسی نشان دهنده ضرورت ارزش بالای مطالعه این مدل هاست. پیش بینی بارش برای اهداف مختلفی نظیر برآورد سیلاب، خشکسالی، مدیریت حوضه آبریز، کشاورزی و ... دارای اهمیت بسیاری است. هدف این مقاله پیش بینی بارش ماهانه با استفاده از شبکه های عصبی مصنوعی در شهر تهران می باشد. در این تحقیق از ...

خشکسالی پدیده­ای طبیعی است که می­تواند در هر جایی رخ دهد و خسارات قابل توجهی به بشر و سازه­های طبیعی وارد آورد. در این تحقیق به منظور پیش­بینی شاخص خشکسالیبارش استاندارد، از دو نوع شبکه­های عصبی­مصنوعی، پرسپترون چند لایه و تابع پایه­ی شعاعی و مدل­های سری­زمانی استفاده شد. به این منظور، در ابتدا مقادیر شاخص بارش استاندارد در دوره­های سه، شش، نه و دوازده ماهه­ی ایستگاه­های منتخب استان خوزستان محا...

هدف از پژوهش حاضر، بررسی ارتباط سیگنال های بزرگ مقیاس اقلیمی با بارش استان خراسان رضوی است. در این مطالعه، با استفاده از شبکه های عصبی مصنوعی، پیش بینی بارش در بازة زمانی آوریل تا ژوئن 2007-1970 (فروردین تا خرداد) در استان خراسان رضوی ارائه شده است. برای این منظور ارتباط بین تغییرات سیگنال های اقلیمی شامل فشار سطح دریا، اختلاف فشار سطح دریا، دمای سطح دریا، اختلاف دما بین سطح دریا و سطح 1000 میل...

در دهه‌های اخیر به‌دلیل اهمیت یافتن مسئله آب و همینطور افزایش تمایل به محاسبه مقدار رواناب حاصل از بارش، توسعه و اجرای روشهای مناسب برای پیش‌بینی رواناب از روی داده‌های بارش به مسئله‌ای ضروری تبدیل شده است. یکی از این روشها که در بسیاری از رشته‌ها از جمله هیدرولوژی توسعه یافته است، استفاده از روشهای محاسبات نرم نظیر منطق فازی و شبکه‌های عصبی مصنوعی است. در این تح...

گسترش سریع استفاده از شبکه‌های عصبی مصنوعی ( ANN) به عنوان مدل تجربی و کارآمد در علوم مختلف از جمله هواشناسی و اقلیم شناسی نشان دهنده ضرورت ارزش بالای مطالعه این مدل‌هاست. پیش بینی بارش برای اهداف مختلفی نظیر برآورد سیلاب، خشکسالی، مدیریت حوضه آبریز، کشاورزی و ... دارای اهمیت بسیاری است. هدف این مقاله پیش بینی بارش ماهانه با استفاده از شبکه‌های عصبی مصنوعی در شهر تهران می‌باشد. در این تحقیق ا...

مدل­سازی فرآیند بارش - رواناب و پیش­بینی دبی رودخانه یک اقدام مهم در مدیریت و مهار سیلاب­ها، طراحی سازه­های آبی در حوزه­های آبخیز و مدیریت خشکسالی است. هدف این تحقیق شبیه­سازی جریان روزانه در حوزه آبخیز کسیلیان با استفاده از شبکه عصبی مصنوعی و شبکه عصبی- فازی تطبیقی است. روش­های هوشمند دارای قابلیت بالایی برای برقراری ارتباط بین داده­های ورودی و خروجی می­باشند. در این تحقیق از آمار بارش، تبخیر ...