Thesis

ارتقاء مدل های هوشمند جهت پیش بینی جریان رودخانه با استفاده از داده های توزیع مکانی اقلیمی و سطح برف

Download full textFree with an account; signing up with Google takes seconds

Abstract

No abstract recorded for this item.

Supervisors and advisors

سعید مرید

Similar theses

Similar items

  • مدل پیش بینی جریان رودخانه با استفاده از سیستم فازی fis و الگوریتم بهینه سازی pso

    Article2013فصلنامه علمی- پژوهشی آب و فاضلابمحمود محمد رضاپور طبری، جابر سلطانی

    هدف از این مطالعه پیش بینی رواناب به صورت مکانی با استفاده از اطلاعات ایستگاههای هیدرومتری و هواشناسی بود. بررسی ها نشان می دهد که معمولاً ارتباطات مشخصی بین داده های هواشناسی و هیدرومتری بالادست حوضه با میزان رواناب تولیدی در خروجی حوضه وجود دارد و چنانچه بتوان قوانین نهفته در س

  • ارزیابی عملکرد برخی مدل های آماری و محاسبات نرم در پیش بینی جریان رودخانه

    Articleتحقیقات منابع آب ایرانحمید معینی، دانشجوی کارشناسی ارشد/ مهندسی عمران آب دانشگاه رازی، کرمانشاه، ایران حسین بنکداری، استاد/ گروه مهندسی عمران دانشگاه رازی، کرمانشاه، ایران صاحبه عبدالهی، کارشناس ارشد/ مهندسی عمران آب، دانشگاه رازی، کرمانشاه، ایران

    باتوجه به کاهش منابع آب به خصوص در کشور ایران، پیش بینی جریان رودخانه اهمیت زیادی یافته و لازم است از بهترین روش ها استفاده گردد. بدین منظور روش های خطی و غیرخطی زیادی وجود دارد. ازآنجایی که تشخیص خطی یا غیرخطی بودن دبی ماهانه دشوار است، در این پژوهش عملکرد برخی مدل های خطی و غیر

  • شبیه سازی و پیش بینی جریان رودخانه ها با استفاده از شبکه عصبی و مدل فوریه

    Articleتحقیقات منابع آب ایرانناصر رستم افشار، استادیار /دانشگاه صنعت آب و برق (شهید عباس پور) هدایت فهمی، شرکت مدیریت منابع آب ایران علیرضا پیره، کارشناس /گروه پژوهشی جاماب

    مقاله حاضر به بررسی نحوه عملکرد شبکه های عصبی mlp در ارتباط با خروجی مدل فوریه، fsam، می پردازد. مدل fsam که مدل شبیه ساز بارش است، تحلیل مدل های کلاسیک را در قلمرو فرکانس، که توسعه نظریه طیفی فرآیندهای متداول نظیر طیف الگوهای arima را در درون خود دارد، ارائه می دهد. کاربرد همزما

  • تحلیل عدم قطعیت مدل های شبکه عصبی و نروفازی در پیش بینی جریان رودخانه

    Articleتحقیقات منابع آب ایراناشکان فرخ نیا، دانشجوی دکتری /سازه های آبی، دانشگاه تربیت مدرس سعید مرید، دانشیار/گروه سازه های آبی، دانشگاه تربیت مدرس

    پیش بینی آورد رودخانه در مدیریت منابع آب از اهمیت فراوانی برخوردار است، اما به دلیل عدم قطعیت بالا در عواملی که فرآیند بارش- رواناب را سبب می گردند، همواره با مشکلاتی همراه بوده است. یکی از روش هایی که می تواند این مشکل را تا حدی کاهش دهد، تحلیل عدم قطعیت پیش بینی های انجام شده م

  • پیش بینی جریان رودخانه با استفاده از برنامه ریزی ژنتیک (مطالعه موردی: حوضه آبریز رودخانه لیقوان)

    Article2009دانش آب و خاکنیما فربودنام، محمدعلی قربانی، محمد تقی اعلمی

    روش­های متعددی هم­چون مدل سری­های زمانی، شبکه­های عصبی مصنوعی، منطق فازی، نرو فازی و برنامه­ریزی ژنتیک برای پیش­بینی جریان رودخانه به کار می­رود. در تحقیق حاضر از روش نوین برنامه­ریزی ژنتیک جهت پیش­بینی جریان روزانه رودخانه لیقوان در حوضه آبریز دریاچه ارومیه در دوره آماری 1376 تا

  • مقایسه مدل های خطی و غیرخطی سری زمانی در پیش بینی جریان رودخانه (مطالعه موردی: رودخانه باراندوزچای ارومیه)

    Article2014علوم و مهندسی آبیاریفرشاد احمدی، یعقوب دین پژوه، احمد فاخری فرد، کیوان خلیلی

    پیش­بینی دقیق جریان رودخانه­ با استفاده از مدل­های رایج سری­های زمانی، فیزیکی- مفهومی و رگرسیونی در مدیریت علمی منابع آب­های سطحی اهمیت به­سزایی دارد. در این مطالعه دبی جریان روزانه و ماهانه رودخانه باراندوزچای ارومیه در دوره­ آماری 88-1352، با استفاده از مدل­های سری­زمانی خطی آر