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

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 ...

هدف از این تحقیق بررسی توانایی سناریوهای مختلف شبکه های عصبی شامل شبکه های عصبی پرسپترون چند لایه(mlp) وشبکه های عصبی با پایه شعاعی(rbf) در مدل سازی فرآیند بارش- رواناب در مقیاس روزانه، که بطور عمده برای درک کنترل و مدیریت منابع آب مورد نیاز هستند، می باشد. تبدیل بارش- رواناب به علت تغییرات شدید زمانی و مکانی آن،یکی از پیچیده ترین مسائل در طبیعت می باشند، و وجود روابط قوی و غیرخطی میان متغیرها ...

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...

    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...

بخش عمده ای از مطالعات هیدرولوژی بر مدل سازی فرآیند پیچیده و غیرخطی بارش – رواناب متمرکز است. مدل های ارایه شده جهت تبیین رفتار این فرآیند شامل دامنه گسترده ای از مدل های جعبه سیاه تا مدل های حجیم مبتنی بر معادلات حاکم بر فیزیک سیستم می‏باشند. نظر به وجود عدم اطمینان حاکم بر فرآیند مذکور در خصوص ورودی های مدل و پارامترهای واسنجی شده، به نظر می رسد که مدل سازی استوکاستیک فرآیند نسبت به مدل سازی ...

فرآیند بارش - رواناب و ایجاد سیلاب از پدیده های هیدرولوژیکی هستند که بررسی آنها به سبب تأثیرپذیری از پارامترهای مختلف، دشوار می باشد. تاکنون روش ها و الگو های مختلفی برای تحلیل این پدیده ها ارائه شده است. از این رو هدف این پژوهش ارزیابی شبکه عصبی-فازی تطبیقی در پیش بینی ضریب رواناب رگبار است. به این منظور حوزه آبخیز بار اریه نیشابور انتخاب و داده های مربوط به 33 واقعه در بین سال های آماری 1331 ...

بارش-رواناب یکی از فرایندهای مهم در مطالعات منابع آب بشمار می رود. در این تحقیق فرآیند بارش-رواناب روزانه در حوضه آبریز بالیخ لوچای با استفاده از ماشین بردار پشتیبان، شبکه های عصبی مصنوعی، هیبرید موجک-ماشین بردار پشتیبان و هیبرید موجک-شبکه عصبی مورد مطالعه و مقایسه قرار گرفته است. داده های بارش-رواناب روزانه در طول دوره آماری (1379-1387) برای آموزش و صحت سنجی مدل ها مورد استفاده قرار گرفت. در ح...

بارش یکی از مهمترین فرآیند های هیدرولوژیکی می باشد .از بارزترین مسائل مورد بررسی آن، مقدار بارش و همینطور توزیع مکانی آن می باشد. روشهای مرسوم که برای بررسی بارش مورد استفاده قرار می گیرند، معمولا مبتنی بر ایستگاههای ثبت بارش اقلیم شناسی، سینوپتیک زمینی و باران سنج ها بوده و دارای مشکلاتی از قبیل هزینه بربودن، عدم قابلیت اندازه گیری بارندگی منطقه ای به علت کمبود ایستگاه و توزیع نامناسب مکانی آن...