چکیده ندارد.

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...

کمبود داده های با کیفیت در کشور ما یکی از مشکلات اساسی بر سر راه مدلسازی هیدرولوژیکی می باشد. به همین دلیل انتخاب مدلی که بتواند خودش را با این کمبود سازگار کند، از اهمیت ویژه ای برخوردار است. بنابراین در این مطالعه یک مدل نیمه توزیعی و ژئومورفولوژیکی بنام topmodel انتخاب شده است که تا حدی می تواند پاسخگوی مشکل فوق باشد. در این مطالعه شبیه سازی بارش- رواناب در حوضه امامه واقع در استان تهران با ...

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

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...

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...

روشهای مبتنی بر هوش مصنوعی اخیراً توجه بیشتری را در مدلسازی فرآیند بارش- رواناب به خود جلب کرده است.برنامه ریزی ژنتیکgp به عنوان یکی از زیر شاخه های مهم هوش مصنوعی است، که در این تحقیق استفاده شده است.در این مطالعه دو رویکرد مختلف که توسط محققین پیشین در مدلسازی بارش- رواناب با برنامه ریزی ژنتیک استفاده شده بود ، با هم مقایسه شده است.نتیجه اساسی حاصل از این مقایسه بر توانایی روشgp در انتخاب متغی...

نظر به اهمیت پدیده بارش - رواناب و تاثیر آن در پروژه های مهندسی منابع آب، ارائه مدل هایی که پیچیدگی و مکانیزم های مختلف پدیده را در مدلسازی لحاظ کند، همواره یکی از دغدغه های هیدرولوژیست ها بوده است. مدل مخازن غیرخطی آبشاری مدلی است که رواناب حاصل از بارش بر روی حوضه آبریز را توسط چند مخزن غیرخطی متوالی شبیه سازی می کند. از طرفی سیستم اطلاعات جغرافیایی (gis) به طور قابل توجهی در مدلسازی هیدرولوژ...

در تصمیم­گیری­های مدیریتشهری، بررسی مسائل هیدرولوژیکی از اهمیت خاصی برخوردار است. هیدروگراف رواناب خروجی آبریز در حوضه­های شهری، یکی از ابزار مورداستفاده در این بررسی­ها است. در این تحقیق با استفاده از محیط نرم افزاری gis، رفتار حوضه­های هندسی و واقعی موردبررسی قرار گرفته و با بهره گیری از محیط matlabمعادلات موج سینماتیک برای تعیین زمان تعادل حوضه کدنویسی شده و با استفاده از مدل بارش- رواناب تو...