برآورد بار معلق رودخانه یک امر مهم در طراحی سازه‌های آبی, مسائل زیست محیطی و کیفیت آب رودخانه‌ها می‌باشد. یکی از متداول‌ترین روش‌ها برای برآورد بار معلق رودخانه منحنی سنجه رسوب می‌باشد،‏‏ْ در منحنی سنجه رسوب یک رابطه رگرسیونی که به‌طور معمول از نوع توانی می‌باشد بین دبی آب و رسوب بر قرار می‌شود. با توجه به عدم قطعیت‌ها و غیر خطی بودن ارتباط بین دبی آب و رسوب, منحنی سنجه رسوب فاقد کارایی لازم برا...

در دهه­های اخیر به دلیل افزایش بی­رویه برداشت از منابع آب سطحی و زیرزمینی، جلوگیری از ورود منابع آب سطحی به دریاچه ارومیه و همچنین تغییرات اقلیمی، سطح آب دریاچه ارومیه کاهش یافته و سبب ایجاد بحران آبی و زیست محیطی در منطقه گردیده است. بنابراین، مدل­سازی نوسانات سطح آب دریاچه ارومیه برای برنامه­ریزی و مدیریت منابع آب آن ضروری می­باشد. هدف از این تحقیق پیش­بینی نوسانات سطح آب دریاچه ارومیه برای ی...

آگاهی از توزیع عمقی رسوبات معلق در کانال‌ها و آبراهه‌های طبیعی در تخمین بار رسوبی جریان اهمیت بسیار زیادی دارد. هزینه­های زیاد و زمان‌بر بودن عملیات نمونه‌برداری از رودخانه‌ها و همچنین خطای قابل توجه روش‌ها و تجهیزات مختلف نمونه‌برداری، مهندسان و محققان را به سوی مدل‌های شبیه‌سازی و استفاده از روش‌های نوین آماری سوق داده است. در این مطالعه، برای تخمین توزیع غلظت رسوبات معلق از سه روش شبکه­های ع...

اخیرأ استفاده از مدل‌های ریاضی برای شبیه‌سازی کیفیت آب رودخانه‌ها توسعه زیادی یافته که به دلیل پیچیدگی و تعدد فرایندهای کیفی منابع آب سطحی و وجود ضرایب و ثابت‌های شیمیایی و بیولوژیکی متعدد، استفاده از سیستم استنباط فازی-عصبی تطبیقی، روشی نو جهت پیش‌بینی کیفی رودخانه‌هاست. در این مقاله ضمن بیان مبانی این سیستم به‌منظور پیش‌بینی کیفی آبهای سطحی، کاربرد آن با مجموعه‌ای از داده‌های 16 ساله از اکسیژ...

تبخیر را می‏توان نقطه آغازین چرخه هیدرولوژیک آب به شمار آورد، که برآیند مجموعه عوامل اقلیمی و جغرافیایی منطقه هیدرولوژیک می‏باشد و مستقیماً بر منابع آب اثر بخش است. این پدیده از یک سیستم پیچیده و غیرخطی پیروی می‏کند، که تخمین دقیق آن بسیار دشوار است. از این رو استفاده از مدل‏های ریاضی مانند سیستم استنتاج فازی و شبکه عصبی کوهنن با درک رفتار های غیر خطی سیستم برای حل این مشکل مناسب است. طبقه‏بندی ...

فرآیند بارش-رواناب فرآیندی غیرخطی بوده و از حیث زمانی و مکانی تصادفی می باشد و تشریح آن با مدل های ساده به راحتی امکان پذیر نیست. بررسی تحقیقات انجام شده نشان می دهد که مدل های مبتنی بر هوش مصنوعی در مدل سازی سامانه های پیچیده عملکرد خوبی دارند. در این تحقیق ضمن بررسی و تعیین مهمترین مولفه های موثر در پیش بینی دقیق میزان رواناب رودخانه خرم آباد، عملکرد شبکه عصبی مصنوعی و سامانه استنتاج تطبیقی ع...

در این پروژه تعیین هوشمندانه و اتوماتیک قوانین و پارامترهای مناسب یک سیستم فازی حذف نویز تصاویر با دو روش ترکیبی فازی-عصبی و فازی-ژنتیک مورد بررسی قرار گرفت و دو فیلتر نوین حذف نویز ارائه گردید. بکارگیری سیستم های فازی، فازی-عصبی و الگوریتم ژنتیک قبلاً برای حذف نویز تصویر مورد توجه پژوهشگران بوده است. لزوم و اهمیت انجام این تحقیق نیاز به روش های جدید حذف نویز با حفظ جزئیات تصویر اولیه بوده است. ...

در این تحقیق، با استفاده از داده های مشاهده شده تشت کلاس a، کاربرد روش های رگرسیون غیر خطی، شبکه های عصبی مصنوعی، سیستم استنتاج فازی- عصبی و هم چنین روش تجربی استیفنز- استوارت، جهت برآورد تبخیر روزانه منطقه کرمان مورد بررسی قرار گرفت. در روش های شبکه عصبی مصنوعی، سیستم استنتاج فازی- عصبی و رگرسیون غیر خطی، مقادیر دما، فشار، رطوبت نسبی، تابش خورشیدی و سرعت باد، با پنج ترکیب مختلف به عنوان متغیره...

تخمین دمای هوای هر منطقه یکی از مسائل مهم در برنامهریزی کشاورزی و نیز مدیریت منابع آب میباشد که بهروشهای مختلفی همچون مدلهای تجربی، نیمه تجربی و هوشمند قابل انجام است. در تحقیق حاضر از سیستم استنتاجعصبی– فازی تطبیقی، شبکههای عصبی مصنوعی و برنامهریزی ژنتیک برای تخمین مقادیر دمای هوا در ایستگاهسینوپتیک شهر تبریز، واقع در شمال غرب ایران استفاده شده است. با توجه به شاخصهای آماری، هر سه مدل با دقتقا...

اندازه­گیری دائمی دبی رودخانه­ها در ایستگاههای هیدرومتری مخصوصاً در مواقع سیلابی غالباً پر هزینه و مشکل می‌باشد، بدِِین منظور جهت مدل­سازی رابطه دبی- اشل مدل­های ریاضی و هوشمند متعددی توسعه یافته و مورد استفاده قرار می­گیرد. در این تحقیق از سه روش شبکه­های عصبی مصنوعی ، سیستم استنتاج عصبی- فازی و برنامه‌ریزی ژنتیک برای مدل­سازی رابطه دبی-اشل روزانه در دو ایستگاه یامولا و سوقوتلوهان واقع در رودخانه ...