استفاده از داده کاوی در پایش شاخص منابع آب سطحی SWSI مطالعه موردی: حوضه آبریز رودخانه قره سو

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 850

This Paper With 13 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICSAU03_0255

تاریخ نمایه سازی: 12 تیر 1395

Abstract:

سیستم های منابع آب به عنوان یک سیستم بازودارای ارتباط جهانی یکی ازپیچیده ترین سیستم هاست همین موضوع سبب شده درزمینه مدیریت منابع اب باحجم بسیارزیادی داده های مکانی - زمانی مواجه شویم که استفاده ازروشهای تجربی و اماری را درتبدیل چنین داده هایی به دانش کاربردی بادشواری روبروکردها ست بنابراین نیاز به روشی جهت پاسخگویی به چنین مسائلی درزمینه مدیریت نمابع آب احساس میشود داده کاوی یکی ازپیشرفتهای اخیر درراستای فناوریهای مدیریت داده هاست داده کاوی مجموعه ای ازفنون است که ورای داده پردازی معمولی حرکت کرده و به استخراج اطلاعاتی که درانبوه داده ها مخفی و پنهان است کمک می کند دراین پژوهش با استفاده ازداده کاوی و تکنیک شبکه عصبی برای محدوده حوضه ابریزرودخانه قره سو کمانشاه به بررسی و پایش شاخص SWSI برمبنای مقادیر درازمدتی ازعناصرمختلف آب و هواشناسی پرداخته شده است نتایج این پژوهش نشان داد که استفاده ازپارامترهای دبی رودخانه باران دما و تبخیر موجود درمحدوده موردمطالعه تاثیر بیشتری نسبت به وجود تنها یک پارامتر دارند

Authors

علی فتاحی چقابگی

کارشناس ارشد مهندسی منابع آب شرکت آب منطقه ای کرمانشاه

اسماعیل سعادتی

کارشناس ارشد مهندسی نرم افزار شرکت آب منطقه ای کرمانشاه

فریبا خدابخشی

کارشناس ارشد مهندسی منابع آب

فرهاد مردوخی

استادیار گروه مهندسی کامپیوتر دانشگاه رازی کرمانشاه

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 :
  • علیزاده، ا. اصول هیدرولوژی کاربردی. انتشارات دانشگاه ام رضا. چاپ ...
  • پهنه‌بندی شدت خشکسالی با استفاده از نمایه‌ درصد از نرمال (PN) در استان خراسان رضوی [مقاله کنفرانسی]
  • ا ربانی، خ. ع .خلیلی، ک .علوی پناه و غ ...
  • خلیلی، ن.ه خداشناس، س .ر.؛ داوری، ک؛ و موسوی بایگی، ...
  • فلاح قالهری، غ .ع؛ مخوشحال دستجردی، ج. پیش‌بینی بارش بهار ...
  • Bacanli, U., Firat, M., & Dikbas, F. "Adaptive Neuro-Fuzzy Inference ...
  • Zounemat Kermani, M., & Teshnehlab, M. "Using adaptive neuro-fuzzy inference ...
  • Nayak, P., Sudheer, K., Rangan, D., & Ramasa, K. "A ...
  • Hong, W., M.J. Hayes, A. Welss and Q. Hu. An ...
  • Cancelliere, _ G. Mauro, B. Bonaccorso and G. Rossi. Drought ...
  • Mena, J. Data Mining Your Website Woburn, Digital Press. 1999. ...
  • Cabena, P. H., Stadler R., Verhees J., and Zanasi A. ...
  • Vanderberg H., Sogard P., and Motoroni S. MineSetTM 3.0 Enterprise ...
  • نمایش کامل مراجع