بررسی تاثیر عامل بارش پیشین در برآورد جریان رودخانه توسط شبکه عصبی مصنوعی (مطالعه موردی: رودخانه بختیاری)

اسناد مشابه

• برآورد نفوذپذیری خاک توسط شبکه عصبی مصنوعی و رگرسیون خطی در اراضی کشاورزی و بکر

  مقالهپژوهش های فرسایش محیطیحامد کاشی، دانشگاه صنعتی شاهرود صمد امامقلی زاده، دانشگاه صنعتی شاهرود هادی قربانی، دانشگاه صنعتی شاهرود سیدعلی اصغر هاشمی

  در سال های اخیر استفاده از روش های غیرمستقیم برای برآورد خصوصیات خاک مورد توجه قرار گرفته است. در روش های معمول، اندازه گیری نفوذپذیری نیاز به وقت و هزینه زیادی دارد از طرفی وجود عبارات غیرخطی در روابط نفوذپذیری، مدل سازی آنها را با مشکل همراه کرده است. امروزه روش شبکه عصبی مصنوع

• برآورد نفوذپذیری خاک توسط شبکه عصبی مصنوعی و رگرسیون خطی در اراضی کشاورزی و بکر

  مقاله۲۰۱۳پژوهش های فرسایش محیطیحامد کاشی، صمد امامقلی‌زاده، هادی قربانی، سیدعلی‌اصغر هاشمی

  در سال‌های اخیر استفاده از روش‌های غیرمستقیم برای برآورد خصوصیات خاک مورد توجه قرار گرفته است. در روش‌های معمول، اندازه‌گیری نفوذپذیری نیاز به وقت و هزینه زیادی دارد از طرفی وجود عبارات غیرخطی در روابط نفوذپذیری، مدل‌سازی آنها را با مشکل همراه کرده است. امروزه روش شبکه عصبی مصنوع

• بررسی تأثیر نگار صوتی بر برآورد سنگ‌شناسی توسط نمودارهای حاصل از چاه توسط شبکه عصبی مصنوعی در یکی از مخازن میدان پارس جنوبی

  مقاله۲۰۱۲علوم زمینمحمد امین دزفولیان

  پیشی‌بینی سنگ‌شناسی، مرحله‌ای اساسی در مهندسی نفت و ارزیابی سازند است. تحقیقی که در اینجا عرضه می‌شود، نوعی مدل‌سازی شبکه‌های عصبی مصنوعی، به منظور استفاده از نگارهای چاه برای برآورد سنگ‌شناسی در یکی از مخازن میدان پارس جنوبی است. در این تحقیق از دو شبکه با روش پس انتشار خطا ((ba

• بررسی تاثیر عامل بارش پیشین در برآورد جریان رودخانه توسط شبکه عصبی مصنوعی (مطالعه موردی: رودخانه بختیاری)

  مقاله۲۰۱۱پژوهشنامه مدیریت حوزه آبخیزعلیرضا اسکندری نیا، هادی نظرپور، میرخالق ضیاء تبار احمدی، مهدی تیموری

  Normal 0 false false false EN-US X-NONE AR-SA MicrosoftInternetExplorer4 در دهه گذشته استفاده از شبکه عصبی در شبیه سازی فرآیندهای هیدرولوژیکی افزایش چشمگیری داشته است. نظر به این که بیشتر تحقیقات در این زمینه معطوف به رابطه بین این شبکه ها وسایر مدل های بارش رواناب و یا ارزیابی ا

• کاربرد مدلهای شبکه عصبی مصنوعی و مدل M5 در شبیه سازی جریان ماهانه(مطالعه موردی: رودخانه استور)

  مقاله۲۰۱۶جغرافیا (برنامه ریزی منطقه ای)الهام رفیعی ساردوئی، فرشاد سلیمانی ساردو، علی آذره

  مدیریت موثر منابع آبی در یک رودخانه نیازمند شناخت صحیح و کامل از فرآیندهایی است که در آن رخ می‌دهد. روشهای هوش مصنوعی میتوانند کارایی بالایی جهت شبیهسازی جریان رودخانه در مقیاسهای مختلف زمانی و مکانی داشته باشند. در این مطالعه از روش شبکه عصبی مصنوعی و مدل نمودار درختی M5 جهت شبی

• ارزیابی کارایی مدل هیدرولوژیکی IHACRES و شبکه عصبی مصنوعی به‌منظور پیش‌بینی جریان در رودخانه بختیاری

  مقاله۲۰۲۳پژوهشنامه مدیریت حوزه آبخیزمرتضی چوبین، محمد بشیرگنبد

  چکیده مبسوط مقدمه و هدف: در سال های اخیر پیش‌بینی جریان در رودخانه یکی از مسائل مهم و مورد توجه برای مدیریت منابع آب در ایران است. این پیش‌بینی نیازمند آمار و اطلاعات است که متأسفانه اغلب حوضه‌های کشور فاقد داده‌های با کمیت و کیفیت مورد نظر می‌باشند. مدل‌سازی هیدرولوژیکی و استفاد