در این تحقیق، مدل­سازی فرآیند غیرخطی بارش- رواناب با استفاده از مدل خطی ولترا انجام می­شود. بدین منظور، داده­های بارش و رواناب همزمان مربوط به پانزده رویداد از حوزه آبخیز ناورود واقع در شمال کشور جمع­آوری گردیده و به­ترتیب 70 % و 30 % رویدادها برای آموزش و تست مدل بکار برده شدند. در نهایت، عملکرد مدل ولترا با شبکه عصبی پرسپترون چند لایه و با استفاده از پنج معیار عملکرد مختلف مورد مقایسه قرار گر...

لزومِ پیشبینی بده رودخانه در کارهای عمرانی، برنامهریزی برای استفادة بهینه از مخازن سدها، ساماندهیِ رودخانهو هشدار سیل، کاملاً احساس میشود. در این راستا مسئلۀ بارش- رواناب بیشترین توجه مدلسازهای شبکههای عصبی2 برای پیشبینی بارش- mlp مصنوعی 1 را به خود معطوف کرده است. در این تحقیق از شبکههای عصبی چند لایهرواناب حوضه آبریز برفگیر لیقوانچای واقع در استان آذربایجان شرقی استفاده شده است. اطلاعات این حوضه...

رواناب سطحی، یکی از دلایل عمده در فرسایش و کاهش حاصلخیزی خاک، رسوبگذاری در مخازن و کاهش کیفیت آب رودخانه می باشد. بنابراین، پیش بینی دقیق پاسخ حوضه از رویدادهای بارش مهم می باشد. مدل های هیدرولوژی نمایش ساده شده ای از سیستم هیدرولوژی واقعی هستند که به مطالعه درباره کارکرد حوضه در واکنش به ورودی های گوناگون و فهم بهتر از فرآیندهای هیدرولوژی کمک می کنند. باتوجه به تنوع مدل های بارش - رواناب در دس...

امروزه با توجه به کاهش منابع آب و بحران آبی موجود توجه به مدیریت صحیح یکپارچه منابع آب بخصوص در مناطق مرزی امری مهم و ضروری می باشد. یکی از اقدامات اساسی در این زمینه آگاهی از میزان بارش و رواناب و روند تغییرات آن در محدوده حوضه های آبریز است. اما عدم دسترسی به داده های میدانی کافی در حوضه های مرزی این امر را با مشکل اساسی روبه رو می سازد. جهت فایق آمدن به این مشکل می توان از داده های سنجش از د...

به منظور ارزیابی عدم قطعیت تغییر اقلیم بر آبدهی ورودی به سد جامیشان واقع در شمال شرقی استان کرمانشاه، ابتدا تغییرات پارامترهای دما و بارش منطقه در دوره های 2020-2039 و 2040-2059 با استفاده از مدل ترکیبی حاصل از میانگین وزنی خروجی هفت مدل اقلیمی تحت سه سناریو انتشار a1b، b1 و a2 محاسبه شد، سپس داده های بارش و دمای روزانه محاسبه شده برای دوره های آتی تحت هرسناریو به مدل بارش-رواناب روزانه ihacres...

چکیده ندارد.

در این پروژه به منظور شبیه سازی بارش-رواناب از دو مدل ihacres و شبکه عصبی مصنوعی (ann ) استفاده شده است. مدل مفهومیihacres، که مبتنی بر داده های بارش و دما است، از دو بخش تشکیل شده است. این مدل در گام زمانی روزانه عمل می کند و مولفه های کند و تند جریان را (یعنی رواناب سطحی و جریان پایه) محاسبه می کند. هنگامی که به دلیل ضعف سطح اطلاعات موجود امکان درک مفهوم پدیده های فیزیکی فراهم نباشد و یا به ط...

ضریب جریان حوضه تابع پارامترهای مختلفی چون خصوصیات هندسی حوضه، خصوصیات خاک‌های حوضه، پوشش گیاهی، زمین شناسی، بار رسوب و عوامل انسانی است که هر کدام از این عوامل می‌توانند بر میزان حجم رواناب خروجی از نقطه پایاب حوضه تأثیر بگذارند. با این حال بارندگی عمده‌ترین عاملی است که بر روی رواناب موثر است. ضریب رواناب در حوضه‌های بزرگ با استفاده از اطلاعات بارندگی و اطلاعات جریان ثبت شده توسط ایستگاه‌های ...

به دلیل اهمیت دبی پایه در فرآیندهای هیدرولوژیک و دارا بودن نقش حیاتی در مدیریت منابع آب به خصوص در مناطق خشک و نیمه خشکی مانند ایران، برآورد جریان پایه یکی از موضوعات مورد علاقه هیدرولوژیست ها می باشد. برای تعیین دبی پایه (با جداسازی جریان پایه از جریان حاصل از بارش)، روش های ترسیمی و شبیه سازی مختلفی برای شرایط اقلیمی، توپوگرافی و زمین شناسی متفاوت توسعه داده شده است. در روش های ترسیمی بدلیل ف...

داده های بارش به عنوان یکی از اساسی ترین پارامتر ها در کلیه مطالعات هیدرولوژیکی و هواشناسی خصوصاً در مدل های بارش - رواناب می باشد. امروزه مرسوم ترین روش در اندازه گیری بارش در حوضه های آبریز استفاده از بارانسنج ها می باشد که به دلیل هزینه های اقتصادی همچنین عدم توانای نصب این ابزار در تمامی نقاط یک حوضه خصوصاً در بخش های کوهستانی احتمال وجود خطا در برآورد بارش برای تمامی بخش های حوزه وجود دارد. ...