نتایج جستجو

26781

نتیجه یافت شد

مرتبط ترین ها

اعمال فیلتر

به روزترین ها

اعمال فیلتر

پربازدید ترین ها

اعمال فیلتر

پر دانلودترین‌ها

اعمال فیلتر

پر استنادترین‌ها

اعمال فیلتر

تعداد صفحات

2679

انتقال به صفحه



فیلترها/جستجو در نتایج    

فیلترها

سال

بانک‌ها



گروه تخصصی











متن کامل


مرکز اطلاعات علمی SID1
مرکز اطلاعات علمی SID
اسکوپوس
مرکز اطلاعات علمی SID
ریسرچگیت
strs
نویسندگان: 

HABIB E. | ADUVALA A.V. | MESELHE E.

اطلاعات دوره: 
  • سال: 

    2007
  • دوره: 

    -
  • شماره: 

    -
  • صفحات: 

    0-0
تعامل: 
  • استنادات: 

    315
  • بازدید: 

    6609
  • دانلود: 

    9195
کلیدواژه: 
چکیده: 

آمار یکساله:  

بازدید 6609

دانلود 9195 استناد 315 مرجع 0
نویسندگان: 

AYTEK A. | ASCE M. | ALP M.

اطلاعات دوره: 
  • سال: 

    2008
  • دوره: 

    117
  • شماره: 

    -
  • صفحات: 

    145-155
تعامل: 
  • استنادات: 

    315
  • بازدید: 

    9228
  • دانلود: 

    9195
کلیدواژه: 
چکیده: 

آمار یکساله:  

بازدید 9228

دانلود 9195 استناد 315 مرجع 0
اطلاعات دوره: 
  • سال: 

    2011
  • دوره: 

    20.1
  • شماره: 

    4
  • صفحات: 

    0-0
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    12776
  • دانلود: 

    9195
چکیده: 

The role and importance of rainfall-runoff process in water resources studies has led this process to be considered by many researchers. Different methods such as artificial neural networks, fuzzy systems, neurofuzzy, wavelet analysis, genetic algorithm, genetic programming and stochastic differential equations have been developed for rainfall-runoff modeling. Furthermore, genetic programming which involves a mathematical model relating output and input variables, is able to select input variables that effectively contribute to the model. In this research, genetic programming (GP) was applied to modeling of daily basis rainfall-runoff process in Lighvan watershed with area of 76.19 km2.According to the ability of GP in selecting the best variables, the significant variables were selected after 10 times running of GP. modeling process was carried out using selected variables as well as two sets of mathematical operators. Comparing the results obtained for both models indicated that correlation coefficients and mean square errors using training data set were equal for both of them i.e.0.85 and 0.06, respectively. For the test data the coefficients became 0.93, 0.2 for set (1) and 0.97 and 0.08 for set (2), respectively. The model obtained from set (2) of the mathematical operators, was selected as the desirable one for the rainfall-runoff analysis in the watershed.

آمار یکساله:  

بازدید 12776

دانلود 9195 استناد 0 مرجع 0
گارگاه ها آموزشی
اطلاعات دوره: 
  • سال: 

    1394
  • دوره: 

    11
  • شماره: 

    2 (مسلسل 33)
  • صفحات: 

    146-150
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    95
  • دانلود: 

    27
چکیده: 

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

آمار یکساله:  

بازدید 95

دانلود 27 استناد 0 مرجع 0
نویسندگان: 

ROUHNAVAZ MINA | HATAMLOU ABDOLREZA

اطلاعات دوره: 
  • سال: 

    2018
  • دوره: 

    9
  • شماره: 

    1 (31)
  • صفحات: 

    71-84
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    15310
  • دانلود: 

    7740
چکیده: 

Considering the importance of water and computing the amount of rainfall runoff resulted from precipitation in recent decades, using appropriate methods for predicting the amount of runoff from rainfall date has been really essential. rainfall-runoff models are used to estimate runoff generated from precipitation in the catchment area.rainfall-runoff process is totally a non-linear phenomenon. In the present study, it has been tried to Model Ghotour-Chai River rainfall-runoff, one of the studying sub-basins of Aras River with an area of 8544 square kilometers, by genetic programming and to analyze the results. In this study, the statistical data from Ghotour-Chai’s daily rainfall-runoff, Marakan hydrometric station during the period 1386-1390 has been used. Data from events during the period 1386-1389 is used for training and data from 1390 for testing. In this modeling, 8 input models have been defined for the system. After applying input models in system, the results based on statistical measures of root-mean-square error and correlation coefficient were analyzed and evaluated. The findings show the success of genetic programming for rainfall-runoff process and this procedure can be suggested as a way for modeling this process.

آمار یکساله:  

بازدید 15310

دانلود 7740 استناد 0 مرجع 0
نویسندگان: 

نشریه: 

ECOPERSIA

اطلاعات دوره: 
  • سال: 

    2014
  • دوره: 

    2
  • شماره: 

    1
  • صفحات: 

    455-469
تعامل: 
  • استنادات: 

    315
  • بازدید: 

    1596
  • دانلود: 

    9195
کلیدواژه: 
چکیده: 

آمار یکساله:  

بازدید 1596

دانلود 9195 استناد 315 مرجع 0
strs
اطلاعات دوره: 
  • سال: 

    1386
  • دوره: 

    14
  • شماره: 

    3
  • صفحات: 

    210-217
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    970
  • دانلود: 

    266
چکیده: 

رواناب موثر یکی از فرآیندهای چرخه هیدرولوژیکی است که به طور گسترده مورد مطالعه و بررسی قرار گرفته است. اغلب مدل های مختلفی که برای شرح این فرایند پیشنهاد شده اند، برای پلات های کوچک قابل استفاده می باشند و به شدت بارش هایی که بیشتر از ظرفیت نفوذ پلات می باشند اشاره دارد. در این مقاله برای محاسبه بارش مازاد از مدل نفوذپذیری ارایه شده توسط دیسکن و نازیمو (1995) استفاده شده است. مدلی که اینجا شرح داده شده، تنها محدود به ظرفیت نفوذپذیری نبوده، بلکه از این مدل می توان برای محاسبه تغییرات نرخ ظرفیت نفوذپذیری و تولید رواناب موثر برای هر هایتوگراف بارش و یک مقدار معلوم رطوبت اولیه خاک، استفاده نمود. مدل شامل 2 محیط تنظیمی و ذخیره است که برای تعریف آن نیاز به سه پارامتر می باشد که عبارتند از: حداقل و حداکثر نرخ ظرفیت نفوذ (fo,fc) و حداکثر رطوبت موجود در خاک (sm)، به منظور محاسبه میزان رواناب موثر مدل مورد نظر برای حوزه آبخیز کچیک واقع در استان گلستان به اجرا درآورده شد. نتایج نشان دادند که میزان بارش مازاد حاصل از یک رگبار انتخابی در کاربری مرتع این حوزه حدود 55.9 میلی متر بوده است.

آمار یکساله:  

بازدید 970

دانلود 266 استناد 0 مرجع 0
اطلاعات دوره: 
  • سال: 

    2021
  • دوره: 

    10
  • شماره: 

    2
  • صفحات: 

    55-68
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    71
  • دانلود: 

    78
چکیده: 

Artificial neural networks (ANN) are one of the data mining methods applied by many researchers in different fields of studies such as rainfall runoff modeling. To improve the performance of these networks, deep learning neural networks were developed to increase modeling accuracy. This study evaluated deep learning networks to improve the performance of artificial neural networks in Galikesh watershed and to predict flow discharge for 1, 3, 6 and 12-month time scale based on 1-to 5-month time scale lags made in rainfall and temperature data. Based on 70% and 30% of the data used for training and test respectively the results demonstrated that in all time steps, the deep learning neural network improved the performance of artificial neural network and on average RMSE decreased in both training and test from 0. 68 to 0. 65 and 0. 84 to 0. 73 respectively. Moreover, R-square was increased on average from 0. 57 to 0. 62 and 0. 51 to 0. 67 respectively in training and test. We can also denote the effect of temperature on the increase of accuracy of rainfall-runoff modeling.

آمار یکساله:  

بازدید 71

دانلود 78 استناد 0 مرجع 0
اطلاعات دوره: 
  • سال: 

    1387
  • دوره: 

    2
  • شماره: 

    3
  • صفحات: 

    175-186
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    157
  • دانلود: 

    40
چکیده: 

آموزش صحیح متخصصین هیدرولوژی در زمینه مدل سازی بارش- رواناب می تواند نقشی بسزا در فایق آمدن بر مشکلات وافر سیلاب داشته باشد. در این مقاله بعد از معرفی مدل آنالوگ مایع به عنوان یک مدل آنالوگ جدید در زمینه هیدرولوژی و بر اساس مدل مخزن خطی پایه ریزی شده است. نحوه مقیاس و ساخت آزمایشگاهی آن ارایه و سپس چگونگی استفاده از آن برای شبیه سازی مدل بارش رواناب ناش (Nash) برای یک حوضه واقعی مورد بررسی قرار گرفته است. اثر شکل حوضه در هیدروگراف خروجی و همچنین تاثیر جهت حرکت بارش بر پاسخ حوضه بطور جداگانه کند و کاو شده است. نتایج حاصل از آزمایشات انجام شده با مدل، حاکی از مناسب بودن مدل در این زمینه است. با توجه به ساختار ساده، استفاده آسان و خاصیت دیداری مدل، این مدل می تواند یک ابزار کمک آموزشی مناسب در زمینه آموزش مدل سازی بارش- رواناب باشد.

آمار یکساله:  

بازدید 157

دانلود 40 استناد 0 مرجع 2
اطلاعات دوره: 
  • سال: 

    1385
  • دوره: 

    32
  • شماره: 

    3 (پیاپی 42) ویژه عمران
  • صفحات: 

    69-80
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    836
  • دانلود: 

    423
چکیده: 

آموزش صحیح متخصصین هیدرولوژی در زمینه مدل سازی بارش - رواناب می تواند نقش به سزایی در فایق آمدن بر مشکلات وافر سیلاب داشته باشد. در این مقاله بعد از معرفی مدل آنالوگ مایع به عنوان یک مدل آنالوگ جدید در زمینه هیدرولوژی که بر اساس مدل مخزن خطی پایه ‍ریزی شده است، نحوه مقیاس و ساخت آزمایشگاهی آن ارایه و سپس چگونگی استفاده از آن برای شبیه سازی مدل بارش- رواناب ناش (Nash) برای یک حوضه واقعی، بررسی اثر شکل حوضه در هیدروگراف خروجی و همین طور تاثیر جهت حرکت بارش بر پاسخ حوضه به طور جداگانه مورد بررسی واقع می شوند. با توجه به ساختار ساده، استفاده آسان و خاصیت دیداری مدل، این مدل می تواند یک ابزار کمک آموزشی مناسب در زمینه آموزش مدل سازی بارش - رواناب باشد.

آمار یکساله:  

بازدید 836

دانلود 423 استناد 0 مرجع 2
litScript