فرآیند بارش-رواناب هر حوزه آبریز، به طور عمده تحت تأثیر شرایط هیدرولوژیکی، ژئومورفولوژی و اقلیم منطقه است. میزان، توزیع و نوع بارش، پوشش گیاهی، خصوصیات فرآیند تجمع و ذوب برف، خصوصیات لایه خاک و سازندهای زمین شناسی از عمده عواملی هستند که میزان رواناب و مؤلفه های بیلان آب حوزه را تحت تأثیر قرار می دهند. یکی از عمومی ترین روش ها برای شناخت فرآیند بارش-رواناب، شبیه سازی آن با استفاده از مدل های هی...

     شبیه‌سازی فرآیند بارش - رواناب اولین و مهمترین گام برای کنترل سیلاب در مدیریت منابع آب می‌باشد. در این تحقیق  فرآیند بارش – رواناب  ماهانه رودخانه کاکارضا واقع در استان لرستان، با استفاده از شبکه عصبی بیزین موردبررسی قرار گرفت و نتایج آن با روش‌های برنامه‌ریزی بیان ژن و ماشین بردار پشتیبان مقایسه گردید. بر این اساس ترکیب‌های مختلفیبا استفاده از پارامترهای بارندگی و رواناب، طی دوره آماری (1...

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...

شبیه سازی فرآیند بارش - رواناب اولین و مهمترین گام برای کنترل سیلاب در مدیریت منابع آب می باشد. در این تحقیق  فرآیند بارش – رواناب  ماهانه رودخانه کاکارضا واقع در استان لرستان، با استفاده از شبکه عصبی بیزین موردبررسی قرار گرفت و نتایج آن با روش های برنامه ریزی بیان ژن و ماشین بردار پشتیبان مقایسه گردید. بر این اساس ترکیب های مختلفیبا استفاده از پارامترهای بارندگی و رواناب، طی دوره آماری (1392-1...

یکی از پیچیده ترین فرآیندهای هیدرولوژیکی فرآیند بارش-رواناب است,‏ که از پارامترسهای مختلف فیزیکی و هیدرولوژیکی تاثیر می پذیرد. در این پژوهش با بهره گیری از روش های آماری armax, شبکه عصبی, عصبی-فازی (anfis با جداسازی خوشه ای و شبکه ای) و دو مدل بدست آمده از ترکیب آنها به منظور مدل سازی فرآیند بارش-رواناب و پیش بینی جریان رودخانه بهره گیری شد. به طوری که درآغاز ساختار بهینه هر یک از مدل ها تعیین ...

در این تحقیق، مدل­سازی فرآیند غیرخطی بارش- رواناب با استفاده از مدل خطی ولترا انجام می­شود. بدین منظور، داده­های بارش و رواناب همزمان مربوط به پانزده رویداد از حوزه آبخیز ناورود واقع در شمال کشور جمع­آوری گردیده و به­ترتیب 70 % و 30 % رویدادها برای آموزش و تست مدل بکار برده شدند. در نهایت، عملکرد مدل ولترا با شبکه عصبی پرسپترون چند لایه و با استفاده از پنج معیار عملکرد مختلف مورد مقایسه قرار گر...

شبیه سازی فرآیند بارش - رواناب و مولفه های بیلان آب ، چگونگی تجمع و ذوب برف ، تاثیر تغییرات پوشش گیاهی(تخریب جنگلها) و همچنین تاثیر تغییرات آب و هوایی بر فرآیند رواناب و مولفه های بیلان آب در حوضه آبریز گرمابدشت با استفاده از مدل بارش - رواناب sac-sma و brook90 مورد بررسی قرار گرفته است .

فرآیند بارش- رواناب یک حوضه ی آبریز عمدتاً تحت تأثیر شرایط هیدرولوژیکی، ژئومورفولوژی و اقلیم منطقه می باشد. یکی از عمومی ترین روش­ها برای شناخت فرآیند بارش رواناب شبیه­سازی آن با استفاده از مدل­های هیدرولوژیکی و تجزیه و تحلیل نتایج حاصله می باشد. در این مطالعه با استفاده از مدل hec–hms فرآیند بارش– رواناب حوضه آبریز خرم آباد شبیه سازی شد و مورد واسنجی قرار گرفت نتایج نشان داد که سازگاری خوبی بین...

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...