یکی از روشهایی که در زمینه های مختلف علمی استفاده شده و می تواند فرایند پیچیده بارش – رواناب را شبیه سازی کند، استفاده از مدلهای شبکه عصبی مصنوعی است. هدف این تحقیق بررسی کارآمدی شبکه های عصبی مصنوعی در شبیه سازی فرایند بارش- رواناب و مقایسه نتایج آنها با مدل HEC – HMS در حوضه آبریز رودخانه اعظم هرات در استان یزد است. داده های مورد استفاده در این تحقیق شامل بارندگی روزانه به همراه دبی روزانه و ...

فرآیند بارش-رواناب فرآیندی غیرخطی بوده و از حیث زمانی و مکانی تصادفی می باشد و تشریح آن با مدل های ساده به راحتی امکان پذیر نیست. بررسی تحقیقات انجام شده نشان می دهد که مدل های مبتنی بر هوش مصنوعی در مدل سازی سامانه های پیچیده عملکرد خوبی دارند. در این تحقیق ضمن بررسی و تعیین مهمترین مولفه های موثر در پیش بینی دقیق میزان رواناب رودخانه خرم آباد، عملکرد شبکه عصبی مصنوعی و سامانه استنتاج تطبیقی ع...

در سال‌های اخیر آلودگی هوا به عنوان یکی از بزرگ ترین مشکلات زیست محیطی در سطح جهانی مطرح شده است. ازن تروپوسفری یک آلاینده ثانویه است و سبب بروز مشکلات تنفسی و تاثیر حاد بر گیاهان می‌شود. در این مطالعه به دلیل غیر خطی بودن و پیچیدگی این پدیده‌هابه مقایسه برآورد غلظت آلاینده ازن با استفاده از شبکه عصبی مصنوعی و شبکه عصبی فازی-تطبیقی پرداخته شد. در پژوهش حاضر از متغیرهای هواشناسی در ...

حداکثر بارش 24 ساعته یکی از عامل‌های هواشناسی با ماهیتی بسیار تصادفی در مقایسه با سایر داده‌های مرتبط با بارندگی از جمله بارش‌های ماهانه و سالانه است. باتوجه به در دسترس نبودن داده‌های شدت-مدت-فراوانی (I-D-F) و قابلیت دسترسی بیشتر داده‌های حداکثر بارش 24 ساعته، برآورد بارش‌های کوتاه مدت بر مبنای بارش 24 ساعته اقدامی رایج در مطالعات و عملیات آبخیزداری است. برخی از مواقع این اطلاعات ناقص می‌باشد ...

بارش یکی از عوامل مهم چرخه هیدرولوژی است که در مطالعات منابع آب، اقلیم شناسی و هیدرولوژی نقش بسزائی دارد، زیرا بارش تنها عامل ورودی چرخه هیدرولوژی است و در مطالعات هیدرولوژی به صورت یک سیستم، نیاز به مطالعه و بررسی آن می باشد. تخمین دقیق میزان بارش بر روی یک نقطه یا منطقه از اهمیت ویژه ای برخوردار است. اخیرا علاقه فزاینده ای در توسعه تئوری سیستم های هوشمند، که مبتنی بر داده های تجربی است، ایجاد...

مدل‏های مفهومی بر مبنای هوش مصنوعی، اغلب برای پیش بینی‏های کوتاه مدت و میان مدت هیدورلوژیکی به کار رفته اند. در این مقاله با استفاده از مفهوم تولید مجموعه ای از پیش بینی ها1 (esp) و تفکیک مدل‏سازی برای متغیرهای اقلیمی و هیدرولوژیکی، از مدل‏های مفهومی برای پیش بینی بلندمدت حجم جریان رودخانه زاینده رود در محل ورودی به سد زاینده رود استفاده می شود. سیستم استنتاج فازی برای پیش بینی بارش فصلی به صور...

خشکسالی یکی از پدیده‌های آب و هوایی است که در همه شرایط اقلیمی و در همه مناطق کره زمین به وقوع می‌پیوندد. پیش‌بینی خشک‌سالی نقش مهمی در طراحی و مدیریت منابع طبیعی، سیستم‌های منابع آب، تعیین نیاز آبی گیاه  ایفا می‌نماید. در این پژوهش جهت تخمین شاخص بارش استاندارد 12 ماهه چهار ایستگاه باران سنجی نورآباد، الشتر، درود و بروجرد واقع در استان لرستان از مدل شبکه عصبی موجک استفاده...

ابتدا روش درون یابی کریجینگ را با دو بیان متفاوت معرفی می کنیم و به تعریف معنای درون یابی و کریجینگ می پردازیم. در بیان اول کریجینگ به سه روش: 1-کریجینگ ساده 2-کریجینگ معمولی و 3-کریجینگ با روند تقسیم می شود و در بیان دوم الگوریتم کریجینگ توضیح داده می شود. روش سطح پاسخ روشی برای بهینه سازی طرح آزمایش ها است. دو مفهوم اساسی در روش سطح پاسخ بررسی می شود. اول انتخاب مدل تقریبی و دوم، طرح آزمایش...

مدل های پارامتریک یکی از متداول ترین روش هایی است که برای پیش بینی هیدروگراف سیلاب تدوین گردیده است. لیکن این روشها در نمی توانند فرآیند جریان را بخوبی نمایش دهند. زیرا آنها براساس فرضیاتی ساده کننده در مورد خصوصیات حوضه قرار دارند. در این پژوهش از روش شکبه عصبی مصنوعی از نوع پس انتشار خطا برای مدلسازی فرآیند بارش رواناب استفاده گردید. مدل های شبکه عصبی با استفاده از آمار دبی-بارش سه حوضه مختلف...

 اربرد شبکه عصبی مصنوعی در شبیه‌سازی عناصر اقلیمی و پیش‌بینی سیکل خشکسالی ) مطالعه موردی: استان اصفهان( چکیده   در این­ پژوهش، از شبکه­های عصبی مصنوعی ( Artificial Neural Networks ) به عنوان ابزاری توانمند در مدل سازی فرآیندهای غیرخطی و نامعین، به منظور پیش­بینی سیکل خشکسالی در20 ایستگاه سینوپتیک، کلیماتولوژی و هیدرومتری استان اصفهان که حداقل20 سال آمار روزانه داشتند، استفاده شد. از نرم­افزار M...