پیش بینی جریان رودخانه با استفاده از تئوری آشوب و مقایسه آب با مدل سری های زمانی (مطالعه موردی: روخانه آجی چای)
چکیده
چکیدهای برای این سند ثبت نشده است.
چکیدهای برای این سند ثبت نشده است.












شکلها از متن کامل مقاله برداشته شدهاند و حقوقشان از آنِ نویسندگان و ناشر است.
تحقیق حاضر به بررسی مدل های پیش بینی جریان های نقدی می پردازد و براساس خطای مطلق قابلیت پیش بینی مدل ها را با یکدیگر مقایسه می کند. در تحلیل ها از داده های 165 شرکت پذیرفته شده در بورس اوراق بهادار تهران در فاصله زمانی 1378 تا 1384 استفاده شده است. در این تحقیق هم چنین تاثیر تغیی
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
در این پژوهش از دیدگاه نظریه آشوب، سری زمانی آبدهی روزانه رودخانه کشکان تحلیل شده است. قبل از انجام تحلیل مبتنی بر نظریه آشوب، میزان داده های نوفه ای سری زمانی با استفاده از روش های تخمین هسته گوسی و تبدیل موجک مورد بررسی قرار گرفت. همچنین رفتار آماری سری زمانی با توابع خودهمبستگ
پیشبینی نوسانات سطح آب زیرزمینی، برای برنامهریزی مناسبتر بهویژه در مناطق خشک و نیمه خشک امری ضروری است. در این تحقیق برای پیشبینی نوسانات سطح آب زیرزمینی در دشت مروست از مدلهای سری زمانی و شبکه عصبی استفاده شد. برای مدلسازی، اطلاعات سطح آب زیرزمینی در طی سالهای 88-1366 اس
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
تعیین دقیق جریان رودخانه در آبخیزهای فاقد آمار از چالشهای مهم در هیدرولوژی می باشد. در این راستا، با توجه به تنوع مدلهای هیدرولوژیکی موجود، انتخاب مدل مناسب مستلزم ارزیابی عملکرد مدلها در شرایط هیدرولوژیکی هر منطقه است. هدف از این پژوهش مقایسه کارایی روش شبکه عصبی مصنوعی (ANN) و