توسعه مدل سری زمانیARIMA فصلی و بررسی عملکرد مدل در شبیه سازی بارندگی ماهانه

مقایسه عملکرد دو مدل هیدرولوژیکیIHACRES و GR2Mدر شبیه سازی جریان ماهانه حوضه آبخیز دره تخت

مدل­سازی فرایند بارش-رواناب از اهمیت به سزایی برخوردار می­باشد. نتایج مدل­های بارش-رواناب به طور مستقیم در مسائلی از قبیل مدیریت منابع آب، کنترل سیلاب و طراحی سازه­های هیدرولیکی مورد استفاده قرار می­گیرد. با توجه به تنوع مدل­هایبارش­رواناب دردسترس، انتخاب یک مدل مناسب برای حوضه از جهت بهره­وری و مدیریت منابع آب مهم می­باشد.در این پژوهش کارایی دو مدل بارش–رواناب IHACRES و  GR2Mدر شبیه­سازی جریان...

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...

مدل سازی sarima بارندگی های فصلی(مطالعه موردی: الگوسازی و پیش بینی بارندگی در استان خراسان)

باتوجه به قرارگرفتن استان خراسان در ناحیه آب و هوایی خشک و نیمه خشک ایران و وقوع خشکسالی های مکرر در سال های اخیر، اهمیت پرداختن به مقوله پیش بینی خشکسالی بیش از پیش آشکار می شود. یکی از روش های دستیابی به این هدف مدل سازی بارندگی بر اساس الگوهای سری زمانی می باشد. در این تحقیق از آمار بارندگی سالانه یازده ایستگاه سینوپتیک استان خراسان طی سال های 2002 – 1970 استفاده گردید و با استفاده از الگوها...

ارزیابی تأثیر نرمال سازی توزیع احتمالاتی رواناب ماهانه بر عملکرد مدل های SVM و ANN در شبیه سازی جریان ماهانه رودخانه ها (مطالعه موردی: حوزه زرینه رود)

     Accurate estimation of river flows is one of the fundamental activities in water resources management of river basins. Artificial neural network (ANN) and support vector machine (SVM) are the most important data mining models that can be considered for this purpose. Due to the data-based attribute of these models, probability distribution of data may have a considerable effects on their pe...

مقایسه عملکرد الگوریتم های مختلف شبکه عصبی مصنوعی در مدل سازی بارندگی فصلی مطالعه موردی؛ ایستگاه های منتخب استان خوزستان

مقایسه دقت پیش بینی مدل های باکس- جنکینز در مدل سازی بارندگی فصلی(مطالعه موردی: ایستگاه های منتخب استان خوزستان)

بنا بر اهمیت روز افزون تأمین آب در کشور، مدیریت منابع آب از اهمیت ویژه ای برخوردار است. پیش بینی بارندگی به عنوان یکی از مهمترین پارامترهای اقلیمی از اهمیت ویژه ای در استفاده از منابع برخوردار است. برای پیش بینی بارش می توان از سری های زمانی استفاده کرد. پژوهش حاضر در سه ایستگاه منتخب (اهواز، آبادان و دزفول) از استان خوزستان به منظور مقایسه دقت مدل های باکس- جنکینز انجام شده است. برای این منظور...