این پژوهش، روش شبکه های عصبی با الگوریتم پس انتشار خطا را برای پیش بینی بلند مدت بارندگی در مقیاس زمانی ماهانه و فصلی در ایران مورد بررسی قرار می دهد. در این راستا به منظور پیش بینی بلند مدت بارش در ماه های اکتبر تا مارس و فصول پاییز و زمستان، از داده های 14 ایستگاه سینوپتیکی کشور و همچنین، دو شاخص اقلیمی بزرگ مقیاس soi و nino3,4در بازه ی زمانی (2010 – 1960) به مدت 51 سال بهره گرفته شد. پروژه د...

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...

چکیده بارندگی در مدیریت منابع آب نقش اساسی دارد و شبیه سازی این متغیر هیدرولوژیکی و برآورد میزان آن در هر مقیاس زمانی برای هر منطقه، به عنوان یکی از مهمترین پارامترهای جوی، گامی بسیار مهم در راستای برنامه ریزی بهتر منابع آب و کشاورزی خواهد بود. یکی از کارهای معمول برنامه ریزی منابع آب، شبیه سازی یا ساختن مدلی از برخی متغیرهای هیدرولوژیکی مانند بارندگی است. در این تحقیق سعی شده است تا با استفاد...

چکیده ندارد.

شاخصهای بازارهای مالی، دارای تناوب و تلاطم بسیار زیادی بوده که این امر سبب شکلگیری نوعخاصی از نامانایی گشته که به آن نامانایی کسری اطلاق میگردد. این ویژگی موجبات شکلگیری حافظهبلندمدت در ایننوع از سریهای زمانی را فراهم میآورد. از اینرو، این مطالعه ضمن بررسی وجود ویژگیحافظه بلندمدت در سری بازدهی بورس، به پیشبینی نوسانات این شاخص به کمک مدلهای مبتنی بر حافظهبلندمدت و نیز تجزیه موجک، میپردازد. جهت ...

  عدم قطعیت در بارش پیش بینی شده، یک منبع اصلی عدم قطعیت در پیش بینی بهنگام سیل می باشد. عدم قطعیت بارش از عدم قطعیت در مقدار بارش، توزیع زمانی و توزیع مکانی بارش تشکیل می شود. در این تحقیق به منظور پخش عدم قطعیت بارش در مدل پیش بینی سیل HEC-1 ، روش گسسته سازی زمانی در چهارچوب اصل بسط تئوری فازی و در ترکیب با الگوریتم ژنتیک نرمال بکار برده می شود. عدم قطعیت به علت توزیع زمانی ناشناخته بارش با ت...