بیش از سه دهه است که هیدرولوژیست ها، استفاده از مدل های چندمتغیره را جهت توصیف و مدل سازی داده های پیچیده هیدرولوژی، توصیه می کنند. درحالی که به تازگی اهمیت مدل های چند متغیره در آب شناسی مطرح شده است. در واقع در مدل های چند متغره با دخالت دادن عوامل موثر دیگر، می-توان نتایج توصیف، مدل سازی و پیش بینی پارامترهای مختلف را بهبود بخشید. در این مطالعه با استفاده دو مدل تک متغیره پریودیک آرما و چند ...

با توجه به پیچیدگی فرآیندهای هیدرولوژیکی به ­نظر می­رسد روش­های چند­متغیره با در نظر گرفتن عوامل موٌثر بیشتر، بتواند دقت مدل­های سری زمانی و نتایج حاصل از آن ها را ارتقا دهد. در واقع، نتایج مدل­های چند­متغیره با دخالت دادن عوامل مؤثر دیگر، می­تواند نتایج توصیف، مدل­سازی و پیش ­بینی پارامترهای مختلف را بهبود دهد. در این مطالعه، مدل­های تک ­متغیره آرما و چند­متغیره خودهمبسته با میانگین متحرک هم­زم...

بیش از سه دهه است که هیدرولوژیست­ها، استفاده از مدل­های چندمتغیره را جهت توصیف و مدل­سازی پدیده­های پیچیده هیدرولوژی، توصیه می­کنند. در مدل­های چند متغیره با دخالت دادن عوامل مؤثر، می­توان نتایج توصیف، مدل­سازی و پیش­بینی متغیرهای مختلف را بهبود بخشید. هم­چنین از آنجا که مدل­های غیر­خطی واریانس ناهمسان شرطی، بخش باقی­مانده مدل­های خطی را به‌طور رضایت­بخشی مدل می­کنند، انتظار می­رود، با ترکیب مد...

با توجه به پیچیدگی فرآیندهای هیدرولوژیکی به ­نظر می­رسد روش­های چند­متغیره با در نظر گرفتن عوامل موٌثر بیشتر، بتواند دقت مدل­های سری زمانی و نتایج حاصل از آن‌ها را ارتقا دهد. در واقع، نتایج مدل­های چند­متغیره با دخالت دادن عوامل مؤثر دیگر، می­تواند نتایج توصیف، مدل­سازی و پیش ­بینی پارامترهای مختلف را بهبود دهد. در این مطالعه، مدل­های تک ­متغیره آرما و چند­متغیره خودهمبسته با میانگین متحرک هم­زم...

اکثر مدل­های غیرخطی بر پایه مدل­سازی میانگین خطا توسعه یافته­اند اما مدل­های غیرخطی خودهمبسته با واریانس شرطی، بر پایه مدل­سازی واریانس داده­های سری باقی­مانده استوار هستند. این مدل­ها با ترکیب شدن با مدل­های خطی، تا حدودی دقت مدل­سازی و پیش بینی ها را افزایش می­دهند. در این مطالعه با استفاده از داده­های تراز سطح آب دریاچه ارومیه در دوره آماری 91-1352، مدل­های خودهمبسته با میانگین متحرک و دو خط...

در دو دهه اخیر ، استفاده از روش های آماری و ایجاد مدل های تصادفی و شبیه سازی شتابنگاشت های حرکت نیرومند زمین رایج شده است. استفاده از روش آرما (arma) از متداول ترین روش های شبیه سازی است. برتری این مدل در پیش بینی پاسخ غیر خطی سازه و امکان نسبت دادن پارامترهای فیزیکی به ضرایب توابع مدل سازی ، این روش را در زمره مدل های کارآمد قرار داده است. براساس این روش شتابنگاشت های حاصل از زلزله منجیل که در...

چکیده در این مطالعه از روش سری زمانی فازی برای پیش بینی شاخص کل بورس اوراق بهادار تهران (تپیکس) در سالهای 78 الی 88 استفاده شده است . به این صورت که داده های هرسال به دو بخش آموزشی و آزمایشی تقسیم شده و در هر سال از این روش برای پیش بینی داده های آزمایشی استفاده گردیده است . به منظور سنجش کارایی روش پیشنهادی ، این روش با روش آرما بر اساس متدلوژی باکس _جنکینز مورد مقایسه قرار گرفته است ، همچنین...

پیش­بینی در هیدرولوژی به معنی تخمین شرایط هیدرولوژیکی و هواشناسی در یک بازه زمانی خاص می­باشد. در همین راستا، فهم رابطه بین بارش و رواناب یکی از ضروری ترین مسائل برای مدیریت منابع آب می باشد. پژوهش حاضر با هدف مقایسه بین مدل های مختلف شبکه عصبی مصنوعی (mlp وrbf) و سری های زمانی آرما (arma) در برآورد دبی ماهانه در حوزه آبخیز طالقان برای یک دوره 30ساله بین سال های 1356 تا 1386 پی­ریزی شد. در روش ...

پیش­بینی در هیدرولوژی به معنی تخمین شرایط هیدرولوژیکی و هواشناسی در یک بازه زمانی خاص می­باشد. در همین راستا، فهم رابطه بین بارش و رواناب یکی از ضروری‌ترین مسائل برای مدیریت منابع آب می‌باشد. پژوهش حاضر با هدف مقایسه بین مدل‌های مختلف شبکه عصبی مصنوعی (MLP وRBF) و سری‌های زمانی آرما (ARMA) در برآورد دبی ماهانه در حوزه آبخیز طالقان برای یک دوره 30ساله بین سال‌های 1356 تا 1386 پی­ریزی شد. در روش ...

اکثر مدل­های غیرخطی بر پایه مدل­سازی میانگین خطا توسعه یافته­اند اما مدل­های غیرخطی خودهمبسته با واریانس شرطی، بر پایه مدل­سازی واریانس داده­های سری باقی­مانده استوار هستند. این مدل­ها با ترکیب شدن با مدل­های خطی، تا حدودی دقت مدل­سازی و پیش‌بینی‌ها را افزایش می­دهند. در این مطالعه با استفاده از داده­های تراز سطح آب دریاچه ارومیه در دوره آماری 91-1352، مدل­های خودهمبسته با میانگین متحرک و دو خط...