پیش بینی بار معلق رودخانه با استفاده از مدل های سری زمانی و شبکه عصبی مصنوعی (مطالعه موردی: ایستگاه قزاقلی رودخانه گرگانرود)

پیش بینی بار معلق رودخانه با استفاده از مدل‌های سری زمانی و شبکه عصبی مصنوعی (مطالعه موردی: ایستگاه قزاقلی رودخانه گرگانرود)

Accurate estimation of suspended sediment in rivers is very important from different aspects including agriculture, soil conservation, shipping, dam construction and aquatic research. There are different methods for suspended sediment estimation. In the present study to evaluate the ability of time-series models including Markov and ARIMA in predicting suspended sediment and to compare their re...

پیش‌بینی بار معلق رودخانه با استفاده از مدل‌های سری زمانی و منحنی سنجه اصلاح شده (مطالعه موردی: ایستگاه قزاقلی رودخانه گرگانرود)

برآورد میزان رسوبات معلق در رودخانه­ها از ابعاد مختلف کشاورزی، حفاظت خاک، کشتیرانی، سد سازی، حیات آبزیان و هم‌چنین جنبه­های مختلف تحقیقاتی دارای اهمیت فراوانی است. روش­های مختلفی برای بررسی و برآورد بار معلق رودخانه­ها وجود دارد که توانایی این روش­ها در برآورد رسوبات متفاوت است. یکی از پرکاربردترین روش­ها در این زمینه، منحنی سنجه رسوب می­باشد. روش­های نوظهوری مانند سری­های زمانی نیز وجود دارد ک...

پیش بینی رسوب معلق با استفاده از مدل سری زمانی تابع انتقال در ایستگاه های منتخب رودخانه گرگانرود، استان گلستان

بررسی کارایی شبکه عصبی مصنوعی در برآورد بار معلق رودخانه با استفاده از داده های دسته‌بندی‌شده

بار رسوب جریان، شاخص مفیدی در پیش‌بینی فرسایش خاک در حوزه‌های آبخیز است؛ بنابراین تدوین مدلی برای برآورد بار رسوب می‌تواند در مدیریت و اجرای پروژه‌های آبخیزداری و مهندسی رودخانه مفید باشد. در این پژوهش روش دسته‌بندی داده‌ها به‌عنوان راه‌کاری برای افزایش دقت شبکه عصبی مصنوعی در تدوین مدل برآورد رسوب معلق بررسی شد. بدین منظور، میزان آورد رسوبات معلق رودخانه‌های خلیفه‌ترخان و چهل‌گزی در حوضۀ قشلاق...

پیش¬بینی جریان روزانه با استفاده از شبکه¬های عصبی مصنوعی و عصبی- موجکی (مطالعه موردی: رودخانه باراندوزچای)

پیش­بینی دقیق جریان در رودخانه­ها یکی از مهمترین ارکان در مدیریت منابع آبهای سطحی به ویژه جهت اتخاذ تدابیر مناسب در مواقع سیلاب و بروز خشکسالی­ها است. به دلیل اهمیت پیش­بینی جریان رودخانه، در این تحقیق جریان روزانه رودخانه­ی باراندوزچای در دو ایستگاه بی­بکران و دیزج طی یک دوره­ی آماری 20 ساله با استفاده از مدل عصبی- موجکی (WNN) که تلفیق آنالیز موجک و شبکه عصبی مصنوعی (ANN) می­باشد، پیش­بینی گرد...

پیش بینی جریان ماهانه رودخانه با استفاده از ترکیب مدل های خطی سری زمانی و شبکه های بیزین (مطالعه موردی: رودخانه بختیاری)

یکی از مسائل مهم در مدیریت منابع آب، تهیه و توسعه مدل‌های مناسب به منظور پیش‌بینی دقیق‌تر فرآیند جریان رودخانه‌ها می‌-باشد. بدین منظور در مطالعه حاضر برای پیش‌بینی جریان ماهانه رودخانه بختیاری، در دوره آماری 1395-1334، از مدل‌های سری-زمانی خطی (ARMA)، مدل هوشمند شبکه بیزین (BN) و مدل تلفیقی BN-ARMA استفاده شد. عملکرد مدل‌های توسعه یافته براساس شاخص‌های آماری جذر میانگین مربعات خطا (RMSE)، ضریب ...