در سال های اخیر، عدم کنترل به موقع رواناب حاصل از بارش های غیر مترقبه، عامل تهدید کننده ای در وقوع سیل محسوب می شود. پیش بینی بارش در مدیریت و هشدار معضل سیل نقش مهمی بر عهده دارد. به منظور جلوگیری از خسارات ناشی از سیل و سعی در کنترل و مهار آن، پیش بینی رواناب امری اجتناب ناپذیر به نظر می رسد زیرا با اطلاع از میزان و شدّت بارندگی، می توان امکان وقوع سیل را پیش بینی و اقدامات لازم را به عمل آورد...

خشکسالی پدیده ­ ای آرام و خزنده است که معمولا با کاهش بارندگی و رطوبت نسبی، همچنین افزایش درجه حرارت و سرعت باد همراه است. در دهه ­ های اخیر در میان حوادث طبیعی که جوامع انسانی را تحت تاثیر قرار داده ­ اند تعداد و فراوانی این پدیده بیش از سایر حوادث بوده است . لذا آگاهی از وضعیت خشکسالی با پیش بینی و پهنه بندی شدت های خشکسالی می تواند خطر زیان های ناشی از این پدیده را تا حد شایان توجهی کاهش دهد...

در این پژوهش، جهت فهم تغییرات سهم دوام های روزانه ی بارش در تأمین روزهای بارشی و بارش ایران، سهم سالانه و ماهانه ی داوم های 1، 2 و 3 روزه مورد ارزیابی قرار گرفته است. این داوم ها به ترتیب مهم ترین دوام های بارش ایران محسوب می گردند و تغییرات احتمالی در نقش آنها شواهدی بر تغییر اقلیم بارش ایران می باشد. نتایج این پژوهش بر اساس داده های شبکه ای بارش روزانه ی ایران در دوره ی 1340 تا 1382 شمسی استو...

پیش‌­بینی مقدار رسوب در طرح­‌های مهندسی منابع آب نظیر تأسیسات تنظیم و انحراف جریان و سدهای مخزنی از عوامل مهم در تعیین عمر مفید و بررسی عملکرد آن­‌ها است. در این تحقیق مدلی برای تخمین دبی روزانه رسوب، با استفاده از مدل شبکه عصبی پرسپترون چند لایه با الگوریتم یادگیری پس انتشار خطا ارائه شد و عملکرد مدل با مدل رگرسیون غیرخطی چند متغیره و منحنی­‌سنجه رسوب در مراحل آموزش و آزمون مقایسه شد. بدین منظ...

سیل، یکی از پدیده‌های ویرانگر طبیعی است که پیش‌بینی آن از اهمیت بالایی برخوردار است و در این میان برآورد بارش- رواناب به دلیل تأثیرگذاری عوامل مختلف، دشوار است. در این پژوهش با استفاده از شبکه پرسپترون چند لایه(MLP)، قانون یادگیری پس‌انتشار خطا(BP)، الگوریتم لونبرگ- مارکوارت(LM) و معیارهای RMSE و R2 جهت کارایی مدل، 6 سناریو تعریف گردید. بررسی حالات مختلف نشان داد که بهترین مدل شبکه عصبی جهت شبی...

در این پژوهش رفتار مکانی ـ زمانی بارش در پهنه‎ی مرکزی و جنوب‎غربی ایران با استفاده از داده‎های بارش روزانه‎ی 114 ایستگاه همدید، اقلیم‎شناسی و باران‎سنجی که دارای آمار بیش از 10 سال بودند، در بازه‎ی زمانی 11/10/1329 تا 11/10/1383  بررسی شد. ابتدا آرایه‎ای به‎ابعاد 114×19724 تهیّه و ضمن محاسبه‎ی میانگین بارش برای هر روز تقویم خورشیدی، با بهره‎گیری از روش کریگینگ نسبت به پهنه‎بندی و تحلیل بارش در ا...

محدودیت های مختلف نظیر کافی نبودن ایستگاه های هیدرومتری، مشکل بودن جمع آوری داده های هیدرومتری همراه با هزینه بر بودن جمع آوری آمار و اطلاعات مشاهده ای ایجاب می کند که برای تخمین آب نمود سیلاب از مدل های هیدرولوژیکی استفاده نمود. با توجه به دسترسی آسان و بیشتر به آمار بارندگی، تهیه مدل هیدرولوژی مبتنی بر مشخصه ها و اطلاعات بارندگی بسیار کاربردی و منطقی به نظر می رسد. منطقه مورد مطالعه حوزه معرف...

  مقاله حاضر به بررسی نحوه عملکرد شبکه‌های عصبی MLP در ارتباط با خروجی مدل فوریه، FSAM، می‌پردازد. مدل FSAM که مدل شبیه ساز بارش است، تحلیل مدل‌های کلاسیک را در قلمرو فرکانس، که توسعه نظریه طیفی فرآیندهای متداول نظیر طیف الگوهای ARIMA را در درون خود دارد، ارائه می‌دهد. کاربرد همزمان شبکه‌های عصبی MLP و مدلFSAM، امکان پیش بینی جریان ماه (i) ام را در ارتباط با پیش بینی بارش همان ماه، میسر می‌سازد...

شناخت نظام تغییرات زمانی بارش ، برنامه ریزی و به تبع آن چیرگی بر محدودیت منابع آب را افزایش داده، خسارت های حاصل از سیلاب و خشکسالی را کاهش می دهد. با استفاده از روش های مانند شبکه های عصبی مصنوعی می توان الگوریتم مناسبی جهت محاسبه و یا تخمین بارندگی در سال های آتی، بصورت کل بارندگی ماهانه و سالانه را بدست آورد. به همین دلیل آمار بارندگی هشت ایستگاه استان زنجان برای این منظور مورد ارزیابی قرار ...

کمبود بارش در یک دوره می تواند سبب کاهش تغذیه شود که به دنبال آن کاهش جریان سطحی و افت آب های زیرزمینی را سبب می شود. با توجه به اهمیت منابع آب در زندگی بشر, ایجاد تنش در دستیابی به منابع پایدار و قابل اطمینان اهمیت زیادی در میزان توسعه و پیشرفت جامعه دارد. این تنش ها می تواند به دلایل طبیعی و یا استفاده نادرست و غیر معقولانه از منابع آبی باشد و همراهی این دو عامل با هم سبب تشدید این تنش ها می ...