مقاله پیشبینی رواناب حاصل از بارش حوضه آبریز سنجابی با استفاده از شبکه عصبی مصنوعی

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

  مقاله پیشبینی رواناب حاصل از بارش حوضه آبریز سنجابی با استفاده از شبکه عصبی مصنوعی دارای ۹ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله پیشبینی رواناب حاصل از بارش حوضه آبریز سنجابی با استفاده از شبکه عصبی مصنوعی  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 پیشبینی رواناب حاصل از بارش حوضه آبریز سنجابی با استفاده از شبکه عصبی مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله پیشبینی رواناب حاصل از بارش حوضه آبریز سنجابی با استفاده از شبکه عصبی مصنوعی :

تعداد صفحات:۹
چکیده:
پیش بینی دقیق رواناب به یک چالش مهم برای دانشمندان و مهندسان درقرن اخیر تبدیل شده است فن آوریهای متعددی با پیشرفت های متنوع بکارگرفته شده اند تابتوان تخمین های دقیقتر ازرواناب بدست آورد تجزیه و تحلیل بارش رواناب بدلیل وجود روابط پیچیده غیرخطی درتبدیل زمان بارش به رواناب کاملا مشکل است با این حال تحلیلهای رواناب بمنظور پیش بینی فجایع اقلیمی طبیعی مانند سیل و خشکسالی بسیارمهم است همچنین این پیش بینی درطراحی و بهره وری ازاجزای مختلف پروژه های منابع آب ازقبیل سدها طرح های تامین اب بندها و غیره نقش حیاتی ایفا می کند باتوجه به اینکه کشور ما منطقه ای خشک و نیمه خشک می باشد و بیشتر رودخانه درمناطق خشک قرارگرفته اند و همچنین وضعیت بحرانی برداشت ابهای زیرزمینی و لزوم توجه بیشتر به ابهای سطحی اگاهی ازوضعیت اتی منابع ابی حوضههای آبریز کشور اهمیت بسیار دارد یکی ازروشهایی که درسالهای اخیر برای پیش بینی رواناب توجه پژوهشگران را به خود جلب کرده است استفاده ازشبکه عصبی مصنوعی ANN می باشد که با توجه به طبیعت غیرخطی و استوکاستیک پدیده های هیدرولوژیکی کاربرد تکنیک مذکور دراین علم قابل توجیه است استفاده ازتکنیک شبکه عصبی مصنوعی محدوده گسترده ای را درزمینه مدیریت منابع اب می پوشاند توسعه شبکه های عصبی مصنوعی که نگاشت غیرخطی بین ورودی و خروجی را انجام میدهند جایگزینی مناسب برای پیش بینی رواناب می باشد و همچنین درموارد پیش بینی مدلسازی شناسایی طبقه بندی و بهینه سازی مدیریت منابع اب به کاربرده میشود.