هدف تحقیق حاضر، مقایسه توانایی مدل شبکه عصبی مصنوعی و مدل همبستگی خطی چند متغیره در پیشبینی ششماه آیندة جریان ورودی به مخزن سد شاهچراغی در استان سمنان، بر اساس دادههای ماهانه آبدهی، دمای متوسط،ماهواره avhrr بارش و سطح پوششبرف چند ماه قبل میباشد. برای تعیین سطح پوششبرف، از تصاویر سنجندهاستفاده گردیده و جداسازی سطح برف با استفاده از روش جداسازی پدیدهها بر اساس حد آستانه هیستوگرام noaaآنها در باند...

روش­های متعددی هم­چون مدل سری­های زمانی، شبکه­های عصبی مصنوعی، منطق فازی، نرو فازی و برنامه­ریزی ژنتیک برای پیش­بینی جریان رودخانه به کار می­رود. در تحقیق حاضر از روش نوین برنامه­ریزی ژنتیک جهت پیش­بینی جریان روزانه رودخانه لیقوان در حوضه آبریز دریاچه ارومیه در دوره آماری 1376 تا 1380 استفاده شد.  هم­چنین نقش حافظه در کاهش یا افزایش دقت پیش بینی مورد بررسی قرار گرفت. جهت مدل­سازی جریان رودخانه ...

گسترش سریع استفاده از شبکه‌های عصبی مصنوعی ( ANN) به عنوان مدل تجربی و کارآمد در علوم مختلف از جمله هواشناسی و اقلیم شناسی نشان دهنده ضرورت ارزش بالای مطالعه این مدل‌هاست. پیش بینی بارش برای اهداف مختلفی نظیر برآورد سیلاب، خشکسالی، مدیریت حوضه آبریز، کشاورزی و ... دارای اهمیت بسیاری است. هدف این مقاله پیش بینی بارش ماهانه با استفاده از شبکه‌های عصبی مصنوعی در شهر تهران می‌باشد. در این تحقیق ا...

امروزه، سرمایه گذاری در بورس، بخش مهمی از اقتصاد کشور را تشکیل می دهد. به همین دلیل پیش بینی قیمت سهام برای سهامداران از اهمیت خاصی برخوردار شده است تا بتوانند بالاترین بازده را از سرمایه گذاری خود کسب کنند. از سوی دیگر، شاخص قیمت سهام نشان¬دهنده وضعیت کلی بازار سهام است و می تواند به پیش بینی سهامداران جهت سرمایه گذاری کمک کند. اغلب در سالهای گذشته از روشهای کلاسیک برای پیش بینی قیمت سهام استف...

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...

اندازه گیری مستقیم تنوع گونه­ای امری وقت­گیر و ­هزینه­بر بوده و تا حدی به دلیل خطاهای حاصل از نمونه­گیری غیرقابل اعتماد است. این مطالعه با هدف تعیین فاکتور­های کم­هزینه در پیش­بینی تنوع گونه­ای بوسیله شبکه مدل­های عصبی مصنوعی، شبکه عصبی تطبیقی-فازی و رگرسیونی انجام شد. نمونه­برداری با استفاده از روش سیستماتیک-تصادفی از 60 قطعه نمونه در طول 6 ترانسکت 100 متری و از عمق 30-0 سانتی­متری خاک صورت گر...

جهت مدیریت مناسب در یک حوضه هیدرولیکی نیاز به شناخت کامل آن می باشد که به دلیل عدم دسترسی به اطلاعات هیدرولیکی اغلب حوضه ها از روش های ریاضی برای الگوبندی پدیده طبیعی بارش رواناب استفاده می شود. توانایی های روش های ریاضی و ترکیب آن ها در مدل سازی ها می تواند ما را در رسیدن به یک مدل ایده آل یاری دهد. در این پایان نامه، منطق فازی به عنوان روش نوین در علم ریاضی برای مدل کردن عدم قطعیت های موجود ...

نبود منابع آب سطحی دائمی در بسیاری از نقاط کشور باعث اضافه برداشت آب از منابع محدود زیرزمینی شده است. در دشت دوزدوزان که در حوضه آبریز دریاچه ارومیه قرار دارد، به­دلیل عدم جریان سطحی دائمی برداشت بی­رویه از منابع آب زیرزمینی باعث ایجاد متوسط افت 76 سانتی­متر در سال شده است. هدف از این تحقیق پیش­بینی سطح آب زیرزمینی در این دشت با استفاده از روش­های هوش مصنوعی و زمین آمار می­باشد. در ابتدا با است...

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...

به¬جرآت می¬توان گفت بارش¬های جوی مهمترین منبع تامین آب شیرین و رواناب های حاصل از این بارش¬ها اصلی¬ترین شکل دریافت آب، در بیشتر مناطق دنیا می¬باشند. لذا برآورد حجم رواناب حاصل از بارندگی جهت بکارگیری روشهای جمع آوری و مهار آبهای سطحی از نظر تأمین آب، روز به روز اهمیت بیشتری پیدا می کند. در دهه¬های اخیر نیاز به پیش¬بینی دقیق و سریع رواناب از روی آمار بارندگی به علت افزایش تعداد سیلاب ها و خسارات...