تخمین زمانی و مکانی بار معلق رودخانه آجی چای با استفاده از شبکه عصبی مصنوعی و مدل های کریجینگ و کوکریجینگ

پیش بینی بار معلق رودخانه ها با استفاده از روش های سیستم استنتاج فازی و شبکه های عصبی مصنوعی

مدلسازی بار معلق رسوب با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج فازی-عصبی مطالعه موردی: ایستگاه سیرا- رودخانه کرج

چکیده: مطالعه حاضر به بررسی مدل های شبکه عصبی مصنوعی، سیستم استنتاج فازی- عصبی و منحنی سنجه رسوب برای مدلسازی بار معلق رسوب پرداخته است. در شبکه عصبی مصنوعی از روش پس انتشار و در سیستم استنتاج فازی- عصبی از سیستم استنتاج سوگنو استفاده شده است. در مدل های آموزش داده شده از داده ها

کاربرد الگوریتم ژنتیک در بهینه سازی پارامترهای ورودی بی بعد به مدل شبکه های عصبی مصنوعی جهت پیش بینی انتقال بار معلق رودخانه های آبرفتی (مطالعه موردی رودخانه کارون)

از آنجا که برآورد دقیق حجم رسوبات، مهم ترین عامل در ساماندهی رودخانه ها ، بهره برداری از منابع آب و تعیین عمر مفید سدها می باشد، لذا، استفاده از روش هائی با دقت و مناسب جهت محاسبه بار رسوب از مهم ترین اهداف پروژه های مرتبط با رسوب محسوب می شود. با توجه به این مسئله روش های هوشمند

ارزیابی و مقایسه روشهای منحنی سنجه رسوب و شبکه عصبی مصنوعی در برآورد بار رسوب معلق (مطالعه موردی: رودخانه کارون شمالی)

شبیه سازی و ارزیابی آورد رسوب رودخانه ها از جمله مسائل مهم و کاربردی در مدیریت منابع آب می باشد. بررسی روابط تجربی و معادلات ریاضی ارائه شده نشان می دهد که هنوز روش تحلیلی یا تجربی مناسبی که بتوان بر اساس آن به برآورد درستی از میزان رسوبات حمل شده توسط رودخانه ها دست یافت، ارائه

پهنه بندی مناطق مستعد لغزش در حوضه رودخانه گیوی چای با استفاده از مدل شبکه عصبی مصنوعی

حوضه گیوی چای با مساحتی معادل 827 کیلومتر مربع یکی از زیرحوضه های آبریز سفیدرود می باشد که در مختصات 48درجه و 14 دقیقه و 30 ثانیه تا 48 درجه و 32 دقیقه و 35 ثانیه طول شرقی و 37درجه و 25 دقیقه و 40 ثانیه تا 37 درجه و 54 دقیقه و 30 ثانیه عرض شمالی واقع شده است. این حوضه از شمال به

مدل سازی تغییرات زمانی – مکانی سطح آب زیرزمینی در اندرکنش با آب های سطحی با استفاده از تکنیک های شبکه عصبی مصنوعی و زمین آمار، مطالعه موردی: آبخوان نجف آباد

مدل سازی منابع آب زیرزمینی به عنوان ابزاری در مدیریت منابع آب محسوب می شود. اندرکنش منابع آب سطحی و زیرزمینی همواره در بیلان منابع آب از اهمیت ویژه ای برخوردار بوده است. از طرف دیگر شبکه های عصبی مصنوعی ابزار قدرتمندی برای مدل سازی پارامترهای هیدرولوژیکی و آب زیرزمینی با در نظر گ

تخمین زمانی و مکانی بار معلق رودخانه آجی چای با استفاده از زمین آمار و شبکه عصبی مصنوعی

پدیده انتقال رسوب در رودخانه­ها از پیچیده­ترین مباحث مهندسی رودخانه بوده و همواره مورد توجه کارشناسان و مهندسین آب می­باشد. یکی از مشکلات عمده که سازه­های هیدرولیکی بنا شده در یک رودخانه را تهدید می­کند مسأله انتقال و انباشت رسوبات می­باشد. لذا ارائه­ی راهکارهای نوین جهت برآورد د

تخمین زمانی و مکانی بار معلق رودخانه آجی چای با استفاده از زمین آمار و شبکه عصبی مصنوعی

پدیده انتقال رسوب در رودخانهها از پیچیدهترین مباحث مهندسی رودخانه بوده و همواره مورد توجه کارشناسان و مهندسین آب میباشد. یکی از مشکلات عمده که سازههای هیدرولیکی بنا شده در یک رودخانه را تهدید میکند مسأله انتقال و انباشت رسوبات میباشد. لذا ارائهی راهکارهای نوین جهت برآورد دقیق بار

تخمین زمانی و مکانی بار معلق رودخانه آجی چای با استفاده از زمین آمار و شبکه عصبی مصنوعی

پدیده انتقال رسوب در رودخانهها از پیچیدهترین مباحث مهندسی رودخانه بوده و همواره مورد توجه کارشناسان و مهندسین آب میباشد. یکی از مشکلات عمده که سازههای هیدرولیکی بنا شده در یک رودخانه را تهدید میکند مسأله انتقال و انباشت رسوبات میباشد. لذا ارائهی راهکارهای نوین جهت برآورد دقیق بار

مدلسازی هوشمند سری زمانی جریان ماهانه حوضه رودخانه شور قروه با شبکه عصبی مصنوعی

پیش بینی دقیق جریان در رودخانه ها یکی از مهمترین ارکان در مدیریت منابع آبهای سطحی به ویژه اتخاذ تدابیری مناسب در مواقع سیلاب و بروز خشکسالی هاست. در حقیقت حصول روشهای مناسب و دقیق در پیش بینی جریان رودخانه ها را می توان به عنوان یکی از چالشها در فرآیند مدیریت و مهندسی منابع آب دا

مدل سازی تخمین میزان رسوب رودخانه به کمک روش شبکه عصبی مصنوعی (نمونه موردی: رودخانه گلرود)

رسوبات رودخانه ای به دو صورت منتقل میشوند: یا این مواد درون جریان آب غوطه ور هستند و همراه با آب در حرکت می باشند که به آنها مواد رسوبی معلق گفته میشود و میزان مواد رسوبی معلق را که در واحد زمان از یک مقطع رودخانه عبور کند، بار معلق مینامند، یا اینکه به یکی از صور لغزش، غلتیدن، پ

مدل سازی تخمین میزان رسوب رودخانه به کمک روش شبکه عصبی مصنوعی (رودخانه ونایی)

رسوبات رودخانه ای به دو صورت منتقل میشوند: یا این مواد درون جریان آب غوطه ور هستند و همراه با آب در حرکت می باشند که به آنها مواد رسوبی معلق گفته میشود و میزان مواد رسوبی معلق را که در واحد زمان از یک مقطع رودخانه عبور کند، بار معلق مینامند. منطقه مورد مطالعه در این پژوهش حوضه آب