مطالعه دینامیک رواناب در حوضه های آبریز و نیز چگونگی تاثیرپذیری آن از خصوصیات مورفولوژیکی و اقلیمی، از اهمیت بالایی در مسائل مهندسی آب برخوردار است. در این رساله رفتار دینامیکی رواناب حوضه های آبریز لیقوان واقع در شمال غرب کشور و حوضه میدل فورک واقع در ایالات متحده با استفاده از اتومای سلولی و نظریه آشوب مورد بررسی قرار گرفته است. روش اتومای سلولی یک مدل شبیه سازی است که بدلیل توانایی ها و وی...

برداشت داده های ریز مقیاس بارش مستلزم صرف هزینه و زمان زیادی می باشد. لذا در اکثر کشور های جهان به خصوص کشورهای در حال توسعه تعداد ایستگاه های باران سنجی که بتواند داده های بارش را با گام های زمانی ریز مقیاس اندازه گیری نماید بسیار محدود بوده و یا دارای محدودیت در طول دوره آماری می باشند. از این رو مدل گسسته سازی مبنی بر تئوری آنتروپی به دلیل توانایی در تبدیل داده های بزرگ مقیاس بارش به ریز مقی...

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، برنامه ریزی ژنتیک و معادلات دیفرانسیل تصادفی برای مدلسازی فرآیند بارش-رواناب توسعه یافته است. برنامه ریزی ژنتیک علاوه بر توانایی استخراج رابطه ی بین متغیّرهای ورودی و خروجی به...

حوضه آبریز لیقوان چای در دامنه شمالی توده کوهستانی سهند واقع شده است. تحول این حوضه، خصوصاً در کواترنر جدید، جدا از تحول مخروط آتشفشانی سهند نیست. به دلیل حاکمیت سیستم فرسایشی پریگلاسیر و رودخانه ای، در دامنه شمالی این توده کوهستانی، وقوع حرکات دامنه ای، جریان های رودخانه ای و سیلابی، ازعمده ترین پدیده های مورفوژنیک ومخاطرات ژئومورفولوژیک حوضه آبریز لیقوان چای می باشند که علاوه براینکه سکونتگاه ...

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...

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...

لزومِ پیشبینى بده رودخانه در کارهاى عمرانى، برنامهریزى براى استفادة بهینه از مخازن سدها، ساماندهىِ رودخانهو هشدار سیل، کاملاً احساس مىشود. 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...

رودخانه ها، بخش عمده و قابل توجهی از منابع آب کشورمان را تشکیل می دهند. رشد میزان مصرف آب از یک سو و محدودیت این منابع حیاتی از سویی دیگر، نیاز به مدیریت بهره برداری از این منابع را بیش از پیش، آشکار می سازد. در سال های اخیر استفاده از تئوری مجموعه های فازی جهت مدل سازی پدیده های هیدرولوژیکی که دارای پیچیدگی و عدم قطعیت بالایی هستند، مورد توجه محققین قرار گرفته است. به همین دلیل، در این پژوهش ا...

تئوری سیستم گری در پیش بینی وقایعی که دارای آمار مشاهداتی کمتری است با توجه به پایه ریاضی مدل، ایفای نقش می کند و در هیدرولوژی مشکل کمبود سابقه آماری داده ها را مرتفع می سازد. شبیه سازی  فرآیند بارش – رواناب در این تحقیق با بهره گرفتن از تئوری سیستم گری به کمک نرم افزارmathematica  با استفاده از اطلاعات شش رویداد متناظر بارش- رواناب  باران نگار (هیتوگراف) و هیدرومتری ایستگاه حوضه آبریز لیقوان ت...

مدل نش، تعداد مخازن ذخیره و ضریب ذخیره،  شکل کامل هیدروگراف واحد لحظه ای (iuh) را توصیف می کنند. در این مدل تعداد مخازن ذخیره، که باید یک عدد صحیح باشد، معمولاً زمانی که از داده­های مشاهداتی استخراج می شود یک مقدار کسری بدست می آید که این یک محدودیت برای این مدل است. همچنین یک مخزن خطی منفرد در مدل نش، یک iuh بدون شاخه صعودی  را بدست می دهد که این از لحاظ فیزیکی غیر منطقی است. برای شبیه سازی یک ...