شناسایی مناطق سیل خیز در حوضه های آبخیز استان همدان با استفاده از شبکه عصبی مصنوعی و gis
چکیده
چکیده‌ای برای این سند ثبت نشده است.
پایان‌نامه‌های مشابه
پیش بینی سیل در حوضه آبریز سرباز با استفاده از شبکه عصبی مصنوعی
بروز سیلاب های سهمگین در اثر تغییرات آب و هوایی طی دهه های اخیر سبب بروز خسارات فراوانی در نواحی مختلف دنیا شده است. در نواحی خشک تأثیر این تغییرات محسوس تر است. در این بین استان سیستان و بلوچستان با آب و هوای گرم و خشک، مستعد وقوع سیل می باشد. بطوریکه بزرگترین سیلاب های کشور در
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
ارزیابی سه روش برآورد دبی متوسط روزانه و دبی سیل (شبکه های عصبی مصنوعی، شبکه عصبی مصنوعی-فازی و رگرسیون چند متغیره) در حوزه آبخیز رودخانه خرم آباد
چکیده رودخانه ها به عنوان شریان های حیاتی از دیر باز مورد توجه خاص بشر بوده، ولی وقوع سیل های خطرناک باعث تخریب تأسیسات احداثی در مسیر رودخانه می شود لذا لازمه محاسبه دقیق دبی طرح ضروری است. در این راستا حوزه آبخیز رودخانه خرم آباد با وسعتی معادل1664 کیلومتر مربع حدود 16% وسعت حو
مدل سازی خطر وقوع زمین لغزش با استفاده از شبکه عصبی مصنوعی(مطالعه موردی: حوزه آبخیز تجن، استان مازندران)
با توجه به خسارات جانی و خسارات مالی فراوانی که وقوع زمین لغزشها به مناطق مسکونی، اراضی زراعی و ... وارد می سازند، پهنه بندی و شناخت مناطق دارای خطر زیاد وقوع زمین لغزش ضروری می باشد. روش های مختلفی برای پهنه بندی خطر وقوع زمین لغزش ارائه شده است که در این تحقیق، روش شبکه عصبی مص
مقایسه مدل شبکه عصبی مصنوعی با فرآیند تحلیل سلسله مراتبی در ارزیابی خطر زمین لغزش با استفاده از gis (مطالعه موردی: حوضه آبریز الشتر)
حوضه آبریز الشتر جزئی از شهرستان الشتر محسوب می شود که با مساحت 87/803 کیلومتر مربع در استان لرستان قرار دارد. این حوضه از نظر موقعیت زمین شناسی بخشی از زاگرس چین خورده و زاگرس مرتفع می باشد. به منظور بررسی پایداری دامنه ها در این حوضه، پارامترهای موثر در وقوع زمین لغزش استخراج و
تخمین ضریب روان آب رگبار در حوزه آبخیز بار نیشابور با استفاده از شبکه عصبی مصنوعی
استفاده از روش های تجربی مختلف برای برآورد روان آب سطحی در حوزه های آبخیز فاقد ایستگاه هیدرومتری اجتناب ناپذیر است. یکی از پارامترهای مهم موجود در اغلب این روش ها ضریب روان آب است. با به دست آوردن دقیق ضریب روان آب سطحی، برآورد صحیح روان آب سطحی و دبی حداکثر سیلاب ها امکان پذیر م
اسناد مشابه
تعیین مناطق سیل خیز حوضه آبریز قرنقو با استفاده از مدل هیدرولوژیکی مادکلارک و GIS
مدیریت سیلاب نیازمند شناسایی مناطق سیلخیز حوضه آبریز و اولویتبندی آن‌ها می‌باشد. اکثر مطالعات در زمینه مدیریت سیلاب بر اساس کاربرد مدل‌های مفهومی- یکپارچه می‌باشد. این مدلها در تشخیص مناطق سیل خیز در سطح حوضه دقت مناسبی ندارند و در بررسی توزیع مکانی مؤلفههای مؤثر در تشکیل رواناب
شناسایی و تفکیک مناطق سیل خیز و بررسی تأثیر فعالیت های آبخیزداری بر دبی اوج سیلاب حوضه (مطالعه موردی: حوضه آبخیز بار نیشابور)
سابقه و هدف: روند رو به افزایش سیل در سال های اخیر حاکی از آن است که اکثر مناطق کشور در معرض تهاجم سیلاب های دوره ای و مخرب قرار دارند که از این نظر بسیاری از شهرها، روستاها، تأسیسات صنعتی و کشاورزی و اماکن مسکونی نیز در معرض خطر سیل قرار گرفته اند. لذا شناسایی اصولی مناطق سیل خی
شبیه سازی فرایند بارش- رواناب با استفاده از شبکة عصبی- مصنوعی و سیستم فازی عصبی تطبیقی و رگرسیون چندمتغیره (مطالعة موردی: حوضة آبخیز خرم آباد)
مقدار دبی یا رواناب خروجی از یک حوضة آبخیز از اهمیت زیادی برخوردار است؛ زیرا کمبود آن ممکن است موجب خسارات مالی و مازاد آن به صورت سیلاب ممکن است موجب خسارات جانی و مالی شود. در این پژوهش با استفاده از شبکة عصبی مصنوعی پرسپترون چندلایه (mlp) و مدل فازی عصبی تطبیقی (anfis) و روش ر
پهنه بندی خطر زمین لغزش با استفاده از شبکه عصبی مصنوعی در حوضه آبخیز میشخاص ایلام
زﻣﻴﻦﻟﻐﺰشﻫﺎ، یکی از مخاطرات طبیعی هستند که جان و مال انسانها را تهدید می کنند. زمین لغزش ممکن است در یک منطقه ده‌ها، صدها و شاید هزارن هکتار از اراضی را در زمانی کوتاه تخریب نماید. این مخاطره سالهاست که در منطقه کوهستانی میشخاص استان ایلام، اراضی‌باغ میوه، مزارع، عرصه‌های جنگلی و
شبیه‌سازی فرایند بارش- رواناب با استفاده از شبکة عصبی- مصنوعی و سیستم فازی عصبی تطبیقی و رگرسیون چندمتغیره (مطالعة موردی: حوضة آبخیز خرم‌آباد)
مقدار دبی یا رواناب خروجی از یک حوضة آبخیز از اهمیت زیادی برخوردار است؛ زیرا کمبود آن ممکن است موجب خسارات مالی و مازاد آن به‌صورت سیلاب ممکن است موجب خسارات جانی و مالی شود. در این پژوهش با استفاده از شبکة عصبی مصنوعی پرسپترون چندلایه (MLP) و مدل فازی عصبی تطبیقی (ANFIS) و روش ر
تحلیل ارزیابی حساسیت به سیل با استفاده از جنگل تصادفی و شبکه عصبی مصنوعی: مطالعه موردی استان ایلام
سیل یکی از مخاطرات طبیعی فاجعه بار در سراسر جهان است که به راحتی می‌تواند اثرات مخربی بر جان و دارایی انسانها داشته باشد. رویدادهای مکرر این خطر، توسعه نقشه‌های دقیق خطر سیل را برای اطلاع‌رسانی بهتر و آمادگی در برابر بلایا و کاهش آن ضروری می‌سازد. کار تحقیقاتی پیشنهادی جهت تجزیه