دانلود مقاله توسعه مدل بارش – رواناب با استفاده از شبکه عصبی در ساختار نگرش سیستمی تحت word

توضیحات

  مقاله توسعه مدل بارش – رواناب با استفاده از شبکه عصبی در ساختار نگرش سیستمی تحت word دارای 10 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله توسعه مدل بارش – رواناب با استفاده از شبکه عصبی در ساختار نگرش سیستمی تحت word  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله توسعه مدل بارش – رواناب با استفاده از شبکه عصبی در ساختار نگرش سیستمی تحت word،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله توسعه مدل بارش – رواناب با استفاده از شبکه عصبی در ساختار نگرش سیستمی تحت word :

تعداد صفحات:10

چکیده:

برنامه ریزی و مدیریت منابع آب سطحی، با تمام پیچیدگی ها و مشکلات آن نقش بسیار مهمی در ارتقاء شاخص های آبی در هر کشور دارد اما برنامه ریزی مناسب زمانی امکانپذیر خواهد بودکه از صحت تخمین خروجی فرایندهای هیدرولوژیکی اطمینان حاصل شود. در این راستا مدلسازی بارش-رواناب کاربرد وسیعی پیدا کرده که امکان فهم و توصیف پارامترهای مؤثر در فرایند تبدیل بارش به رواناب را ایجاد نموده است. متدولوژی این تحقیق به منظور بهینه سازی پاسخ حوضه بر اساس شبکه عصبی و در چارچوب نگرش سیستمی طراحی و اجرا شده است. در ابتدا آماده سازی و تجزیه و تحلیل آمار ماهانه هواشناسی و هیدرولوژی در یک دوره 35 ساله برای حوضه درکش واقع در استان خراسان شمالی انجام گرفتسپس پارامترهای مکانی مربوط به خصوصیات فیزیوگرافی حوضه با استفاده از ابزارAGWAدر محیطArcGISاستخراج شد. در مرحله بعد از این پارامترها در معادلات تجربی تخمین رواناب جاستین، لیسی، خوزلا و اداره آبیاری هند، برای محاسبه میزان رواناب ماهانه استفاده شده است. بردارهای ورودی شبکه بر اساس دبی های محاسباتی و بردار خروجی دبی مشاهداتی ماهیانه معرفی شدند. در نهایت آموزش و ارزیابی شبکه عصبی براساس آرایش دو لایه ثابت و تعداد نرونهای متغیر اجرا شد که نتایج مرحله ارزیابی، رگرسیون 93 % دبی مشاهداتی را با دبی پیش بینی نشان داد. روش ارائه شده در این تحقیق مشخص کرد بهره گیری از روابط تجربی در قالب مدل شبکه عصبی، علاوه بر امکان مکان- زمانمند کردن پارامترهای موثر در مدل، دقت پیش بینی و تعمیم پذیری را برای حوضه های آبریز همگن به صورت موثرتری افزایش می دهد

برای دریافت اینجا کلیک کنید