مقاله برآورد فراسنج‌های مؤثر در دبی رودخانه با استفاده از شبکه‌های عصبی مصنوعی در حوضه آبی دهگلان-کردستان

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مقاله برآورد فراسنج‌های مؤثر در دبی رودخانه با استفاده از شبکه‌های عصبی مصنوعی در حوضه آبی دهگلان-کردستان دارای ۲۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله برآورد فراسنج‌های مؤثر در دبی رودخانه با استفاده از شبکه‌های عصبی مصنوعی در حوضه آبی دهگلان-کردستان  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 برآورد فراسنج‌های مؤثر در دبی رودخانه با استفاده از شبکه‌های عصبی مصنوعی در حوضه آبی دهگلان-کردستان،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله برآورد فراسنج‌های مؤثر در دبی رودخانه با استفاده از شبکه‌های عصبی مصنوعی در حوضه آبی دهگلان-کردستان :

تعداد صفحات :۲۷

کمبود بارش در یک دوره می‌تواند سبب کاهش تغذیه شود که به دنبال آن کاهش جریان سطحی و افت آب‌های زیرزمینی را سبب می‌شود. با توجه به اهمیت منابع آب در زندگی بشر, ایجاد تنش‌ در دستیابی به منابع پایدار و قابل اطمینان اهمیت زیادی در میزان توسعه و پیشرفت جامعه دارد. این تنش‌ها می‌تواند به دلایل طبیعی و یا استفاده نادرست و غیر معقولانه از منابع آبی باشد و همراهی این دو عامل با هم سبب تشدید این تنش‌ها می‌شود. هدف از این پژوهش بررسی فراسنج‌های مؤثر در تغییرات دبی ماهانه در حوضه آبی دهگلان است. داده‌های مورد استفاده در این تحقیق شامل بارش ، تبخیر (حاصل از تشت تبخیر), دما و دبی ایستگاه‌های واقع در حوضه آبی دهگلان می‌باشد که از سازمان هواشناسی و شرکت آب منطقه‌ای استان کردستان اخذ شده است. ابتدا داده‌های مربوط به بارش در سطح حوضه با استفاده از شاخص SPI استاندارد شده و سایر داده‌های اقلیمی و هیدرولوژیکی نیز نرمال‌سازی شد. سپس با استفاده از شبکه‌های عصبی مصنوعی و به روش پرسپترون چند‌لایه مدل‌های مختلفی از این داده‌ها مورد بررسی قرار گرفت. نتایج حاصل از بررسی مدل‌های مختلف نشان می‌دهد که بیشترین همبستگی و حداقل مربعات خطا در شرایطی بدست می‌آید که شاخص SPI در مقیاس ۶ ماهه, دبی در ماه قبل و دما وتبخیر در ماه حاضر به عنوان ورودی شبکه و دبی ماه حاضر به عنوان خروجی به مدل معرفی شود. مقایسه روش شبکه‌های عصبی مصنوعی و رگرسیون چند متغییره حاکی از نتایج بهتر در پیش‌بینی دبی ماهانه با استفاده از شبکه‌های عصبی مصنوعی است.