انتخاب مدل هوشمند برای پیش بینی جریان رواناب با استفاده از معیار پیچیدگی موجک-آنتروپی

پیش‏ بینی رواناب با استفاده از مدل‏ های هوشمند

پیش‏بینی رواناب رودخانه‏ها به‌دلیل اهمیت زیاد آن در برنامه‏ریزی‏ها، بهره‏برداری از مخازن و همچنین مدیریت آب‏‏های سطحی همواره مورد توجه مسئولان، برنامه‏ریزان و مهندسان آب و منابع آبی بوده است. از طرفی، به‌دلیل تغییرات زمانی و مکانی موجود، روابط غیرخطی و عدم قطعیت و بسیاری از عوامل دیگر پیش‏بینی رابطۀ بارش‌ـ رواناب بسیار مشکل است، اما امروزه استفاده از سامانه‏های هوشمند در پیش‏بینی چنین پدیده‏های...

کاربرد آنتروپی شانون برای انتخاب ورودی‌های بهینه درپیش‌بینی جریان رودخانه بااستفاده از مدل-های هوشمند(مطالعه موردی: صوفی چای)

       پیش‌بینی جریان رودخانه‌ یکی از موارد مهم در مدیریت منابع آب‌های سطحی، بهره برداری از مخازن سدها، کنترل سیلاب و خشکسالی می­باشد. انتخاب ورودی‌های مناسب برای افزایش دقت وکارایی مدل‌های هوشمند از اهمیت به­سزایی برخوردار است. در این تحقیق به ارزیابی عملکرد آنتروپی شانون درتعیین ورودی‌های مناسب و کارایی مدل‌های، شبکه عصبی مصنوعی و شبکه بیزین، در پیش‌بینی جریان ماهانه­ی رودخانه­ی صوفی چای در ا...

پیش بینی خشکسالی با استفاده از مدل تلفیقی شبکه عصبی مصنوعی- موجک و مدل سری زمانیARIMA

تبدیل موجک یکی از روش­های نوین و بسیار موثر در زمینه تحلیل سیگنال­ها و سری­های زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، داده­های حاصل به­عنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی برای پیش­بینی خشکسالی ارائه می­گردد. در این تحقیق، از شبکه­های عصبی مصنوعی پرسپترون چند لایه (MLP) و تابع پایه‌ای شعاعی ((RBF، سری زمانی AR...

پیش بینی بارش ماهانه ایستگاه سینوپتیک کرمانشاه با استفاده از مدل ترکیبی شبکه عصبی و موجک

پیش بینی جریان آبراهه ای با استفاده از مدل های هیبریدی هوشمند در مقیاس ماهانه (مطالعه موردی: رودخانه زرین رود)

زمینه و هدف: انتخاب ورودی‌های مناسب برای مدل‌های هوشمند از اهمیت بسزایی برخوردار است زیرا باعث کاهش هزینه و صرفه‌جویی در وقت و افزایش دقت و کارایی مدل‌ها می‌شود. هدف از پژوهش حاضر،کاربرد آنتروپی شانون برای انتخاب ترکیب بهینه متغیرهای ورودی در شبیه سازی دبی ماهانه توسط پارامترهای هواشناسی می‌باشد. روش بررسی: در این مطالعه داده های هواشناسی و سری زمانی ماهانه دب...

پیش بینی رسوب معلق با استفاده از داده های هیدرولوژیک و هیدروژئومورفیک در مدل های هوشمند

برآورد دقیق مقدار رسوبات حمل شده توسط رودخانه ها، در مدیریت منابع آب از اهمیت بسیاری برخوردار است. بنابراین شناسایی و پیشنهاد مدلهای مناسب جهت برآورد رسوب معلق از اهداف مهم تلقی میشود که استفاده از روش نوین مدلهای هوشمند از جمله شبکه عصبی مصنوعی و رگرسیون بردار پشتیبان در این زمینه تحول عظیمی وجود آورده است. یک گام مهم در مدلسازی رسوب معلق با استفاده از این مدلها، انتخاب ورودیهای مناسب میباشد، ...