پیش بینی دبی جریان آب حاصل از بارندگی در حوزه آبریز، با استفاده از مدل های فازی عصبی خطی محلی
Publish place: 2nd Disaster Management Conference
Publish Year: 1386
Type: Conference paper
Language: Persian
View: 2,898
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
GEODM02_098
Index date: 3 May 2007
پیش بینی دبی جریان آب حاصل از بارندگی در حوزه آبریز، با استفاده از مدل های فازی عصبی خطی محلی abstract
پیش بینی وقایع طبیعی از منظرهای گوناگون برای بشر حائز اهمیت است. یکی از این رخدادها وقوع سیلاب می باشد. هرگاه میزان دبی جریان آب در یک حوزه آبریز از حدی فراتر رود، پتانسیل وقوع سیل در این حوزه نیز افزایش می یابد. در نتیجه، آگاهی از آینده میزان دبی آب می تواند تا حد زیادی در کاهش خسارات ناشی از وقوع سیلات احتمالی مفید باشد. با اندازه گیری های انجام شده از مقدار دبی آب در یک حوزه ابریز در فواصل زمانی مشخص، مشاهده شد که میزان دبی آب در یک حوزه آبریز از قابلیت پیش بینی پذیری برخوردار است. در این مقاله سعی شده است که دبی جریان آب حاصل از بارندگی در یک حوزه ابریز ، با استفاده از مدل های فازی چند عصبی خطی محلی پیش بینی شود. دو مدل، هر کدام با چهار افق پیش بینی در نظر گرفته شده اند که جداگانه بررسی شده و در نهایت مدل بهتری برای پیش بینی انتخاب گردیده است .
پیش بینی دبی جریان آب حاصل از بارندگی در حوزه آبریز، با استفاده از مدل های فازی عصبی خطی محلی Keywords:
پیش بینی دبی جریان آب حاصل از بارندگی در حوزه آبریز، با استفاده از مدل های فازی عصبی خطی محلی authors
محمدمهدی رضائی یوسفی
قطب علمی کنترل و پردازش هوشمند، دانشکده مهندسی برق و کامپیوتر، دانشگ
کارو لوکس
قطب علمی کنترل و پردازش هوشمند، دانشکده مهندسی برق و کامپیوتر، دانشگ
بابک نجاراعرابی
قطب علمی کنترل و پردازش هوشمند، دانشکده مهندسی برق و کامپیوتر، دانشگ
بابک صالحی کسمایی
قطب علمی کنترل و پردازش هوشمند، دانشکده مهندسی برق و کامپیوتر، دانشگ
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :