پیش بینی جریان رودخانه سفیدرود با استفاده از سیستم استنتاج فازی
چکیده
چکیدهای برای این سند ثبت نشده است.
چکیدهای برای این سند ثبت نشده است.
پیش بینی دقیق جریان رودخانه در طراحی، بهره برداری و برنامه ریزی علمی منابع آب از اهمیت بسزایی برخوردار است. همین مساله موجب شده تا محققان تحقیقات زیادی در این خصوص انجام دهند. جدا از اینکه چه روشی جهت مدل سازی مورد استفاده قرار گیرد، عملکرد هر مدل، شدیداً تحت تاثیر داده-های تصادف
چکیده در دو دهه اخیر استفاده از مدل های غیرخطی در پیش بینی جریان رودخانه ها مورد توجه محققان واقع شده است که از آن جمله می توان به مدل شبکه های عصبی مصنوعی، برنامه ریزی ژنتیک، سری های زمانی، آنالیز موجک و ... اشاره نمود. آنالیز تبدیل موجک از طریق تجزیه سیگنال ها به زمان و فرکانس
پیش بینی صحیح و مناسب فرآیندهای هیدرولوژیکی می تواند کمک شایانی در زمینه طراحی بهینه پروژه های آبی و مهندسی و نیز جلوگیری از خطرات ناشی از آنها داشته باشد. در این راستا مدلسازی منطقی و مناسب فرآیند بارش-رواناب به عنوان اولین و مهمترین گام در راستای مبارزه و مقابله با سیلاب به عنو
امروزه یکی از مهم ترین چالش های موجود در مدل های هیدرولوژیک، استفاده از داده های ورودی با دقتوصحت زیاد است. صحت و دقت داده های بارندگی یکی از موارد تأثیرگذار در خروجی مدل های هیدرولوژیک، مانند جریان رودخانه، است. در مطالعه حاضر کشور ایران با مساحتی حدود 1648000 کیلومتر مربع که با
یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدل سازی سیستم هایی که دارای پیجیدگی زیاد یا عدم صراحت بوده و یا داده های کافی از آنها موجود نیست، استفاده از تئوری مجموعه های فازی از جمله سیستم می باشد. مزیت اصلی این تکنیک نسبت به استنتاج فازی روش های رایج، این است که این سیستم بر ا
یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدلسازی سیستمهایی که دارای پیجیدگی زیاد یا عدمصراحت بوده و یا دادههای کافی از آنها موجود نیست، استفاده از تئوری مجموعههای فازی از جمله سیستم میباشد. مزیت اصلی این تکنیک نسبت به استنتاج فازی روشهای رایج، این است که این سیستم بر ا
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
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
این مقاله فاقد چکیده میباشد.
یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدل سازی سیستم هایی که دارای پیچیدگی زیاد یا عدم صراحت بوده و یا داده های کافی از آنها موجود نیست، استفاده از تئوری مجموعه های فازی و شبکه عصبی مصنوعی می باشد. مزیت اصلی این تکنیک ها نسبت به روش های رایج این است که در مدت زمان نسبتاً ک