یکی از پیچیده‌ترین فرآیندهای هیدرولوژیکی فرآیند بارش-رواناب است,‏ که از پارامترسهای مختلف فیزیکی و هیدرولوژیکی تاثیر می‌پذیرد. در این پژوهش با بهره‌گیری از روش‌های آماری ARMAX, شبکه عصبی, عصبی-فازی (ANFIS با جداسازی خوشه‌ای و شبکه‌ای) و دو مدل بدست آمده از ترکیب آنها به منظور مدل‌سازی فرآیند بارش-رواناب و پیش‌بینی جریان رودخانه بهره‌گیری شد. به طوری که درآغاز ساختار بهینه هر یک از مدل‌ها تعیین ...

نقش و اهمیت فرآیند بارش-رواناب در مطالعات منابع آب موجب شده که این فرآیند از دیر باز مورد توجه متخصصین قرار گیرد. از این رو روش های متعددی همچون شبکه های عصبی مصنوعی، سیستم های فازی و نرو فازی، آنالیز موجک، الگوریتم ژنتیک، برنامه‌ریزی ژنتیک و معادلات دیفرانسیل تصادفی برای مدلسازی فرآیند بارش-رواناب توسعه یافته است. برنامه ریزی ژنتیک علاوه بر توانایی استخراج رابطه‌ی بین متغیّرهای ورودی و خروجی به...

فرآیند بارش- رواناب یک حوضه ی آبریز عمدتاً تحت تأثیر شرایط هیدرولوژیکی، ژئومورفولوژی و اقلیم منطقه می باشد. یکی از عمومی ترین روش­ها برای شناخت فرآیند بارش رواناب شبیه­سازی آن با استفاده از مدل­های هیدرولوژیکی و تجزیه و تحلیل نتایج حاصله می باشد. در این مطالعه با استفاده از مدل hec–hms فرآیند بارش– رواناب حوضه آبریز خرم آباد شبیه سازی شد و مورد واسنجی قرار گرفت نتایج نشان داد که سازگاری خوبی بین...

شبیه سازی فرآیند بارش - رواناب و مولفه های بیلان آب ، چگونگی تجمع و ذوب برف ، تاثیر تغییرات پوشش گیاهی(تخریب جنگلها) و همچنین تاثیر تغییرات آب و هوایی بر فرآیند رواناب و مولفه های بیلان آب در حوضه آبریز گرمابدشت با استفاده از مدل بارش - رواناب sac-sma و brook90 مورد بررسی قرار گرفته است .

    فرآیند بارش- رواناب یک حوضه‌ی آبریز عمدتاً تحت تأثیر شرایط هیدرولوژیکی، ژئومورفولوژی و اقلیم منطقه می‌باشد. یکی از عمومی‌ترین روش­ها برای شناخت فرآیند بارش رواناب شبیه­سازی آن با استفاده از مدل­های هیدرولوژیکی و تجزیه و تحلیل نتایج حاصله می‌باشد. در این مطالعه با استفاده از مدل HEC–HMS فرآیند بارش– رواناب حوضه آبریز خرم‌آباد شبیه‌سازی شد و مورد واسنجی قرار گرفت نتایج نشان داد که سازگاری خوبی...

مدلسازی بارش- رواناب یک فرآیند ضروری و پیچیده می­باشد که در بهره­برداری مناسب از مخازن و مدیریت و برنامه­ریزی صحیح منابع آب نقش عمده­ای دارد. مدلسازی این فرآیند با استفاده از روش­های مختلفی امکانپذیر است. از نظر تئوری، در مدلسازی یک سیستم می­بایست روابط صریح بین متغیرهای ورودی و خروجی معلوم باشند. در حالیکه به علت معلوم نبودن روابط صریح بین متغیرها و عدم قطعیت­های ذاتی آنها، استخراج چنین مدلی ب...

به­ منظور ارزیابی تناسب اراضی کشاورزی شهرستان گنبد کاووس جهت کشت جو دیم، از فرآیند تحلیل سلسله مراتبی (AHP) و تحلیل‌های مکانی سامانه اطلاعات جغرافیایی (GIS) استفاده شد. برای این منظور، ابتدا نیازهای زراعی- بوم­شناختی گیاه جو با استفاده از منابع علمی تعیین و سپس بر اساس آن، نقشه­های موضوعی مورد نیاز تهیه شدند. متغیرهای محیطی مورد مطالعه از جمله دمای متوسط سالانه، دمای کمینه سالانه، دمای بیشینه س...

چکیده فرآیند بارش - رواناب یک حوضه آبریز عمدتاً تحت تأثیر شرایط هیدرولوژیکی، ژئومورفولوژی و اقلیم منطقه می باشد. میزان توزیع و نوع بارش، پوشش گیاهی، خصوصیات فرآیند تجمع و ذوب برف، لایه خاک و تشکیلات زمین شناسی از عمده عواملی می باشند که میزان رواناب و مولفه های بیلان آب حوضه را تحت تأثیر قرار می دهند. یکی از عمومی ترین روش ها برای شناخت فرآیند بارش رواناب شبیه سازی آن با استفاده از مدل های هی...

مطالعات انجام گرفته در زمینه شبیه‌سازی بارش - رواناب نشان می‌دهد بیشتر  تحقیقات در مناطق مرطوب انجام شده است. این در حالی است که در مناطق خشک و نیمه‌خشک مطالعات کم‌تری صورت گرفته است. به همین منظور، در این پژوهش از مدل توزیعی مکانی WetSpaبا قابلیت اتصال به سیستم اطلاعات جغرافیایی برای شبیه‌سازی فرآیند بارش - رواناب حوضه بار اریه واقع در منطقه‌ای نیمه‌خشک و مساحتی معادل 112 کیلومتر مربع و متوسط ...

مدلسازی بارش رواناب از مسائل اساسی در برنامه ریزی و مدیریت منابع آب می باشد. پیش بینی بارش رواناب مسئله ای پیچیده بدلیل روابط غیرخطی بین متغیرهای تاثیرگذار در آن می باشد. هدف از این تحقیق، مدلسازی فرآیند بارش رواناب با استفاده از شبکه عصبی می باشد. برای این منظور عملکرد دو نوع شبکه عصبی منفرد و یکپارچه جهت پیشبینی رواناب یا دبی جریان روزانه و ماهانه مورد بررسی و مقایسه قرار گرفت