دانش رسان |
مرکز علم و دانش کشور مقاله بررسی کارایی روش های عصبی-فازی (CANFIS) و رگرسیون گام به گام در مدل سازی بارش-رواناب حوضه ناورود
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله بررسی کارایی روش های عصبی-فازی (CANFIS) و رگرسیون گام به گام در مدل سازی بارش-رواناب حوضه ناورود دارای ۱۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله بررسی کارایی روش های عصبی-فازی (CANFIS) و رگرسیون گام به گام در مدل سازی بارش-رواناب حوضه ناورود 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 بررسی کارایی روش های عصبی-فازی (CANFIS) و رگرسیون گام به گام در مدل سازی بارش-رواناب حوضه ناورود،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله بررسی کارایی روش های عصبی-فازی (CANFIS) و رگرسیون گام به گام در مدل سازی بارش-رواناب حوضه ناورود :
تعداد صفحات:۱۴
چکیده:
به منظور مدیریت مناسب یک حوضه آبخیز، شناخت ساختار، عملکرد و ارتباطات آن ضروری است.مهم ترین بخش از این شناخت مربوط به شناسایی ارتباطات ورودی ها و خروجی ها و نحوه عملکرد آن ها و ارائه مدلی جهت معرفی بارش و رواناب حوضه است. رابطه بارندگی رواناب، یکی از پیچیده ترین فرآیند های هیدرولوژیکی است که درک آن از اهمیت زیادی در برنامه ریزی و مدیریت بهینه منابع آب و مهار سیلاب برخوردار است. نتایج مدل های رگرسیونی برای بررسی این پدیده غالباً با خطا همراه است. امروزه سیستم های عصبی – فازی با توجه به توانایی در حل پدیده های غیر خطی و پیچیده،کاربردهای فراوانی در مسائل مختلف مهندسی آب از جمله هیدرولوژی و مدل سازی بارش -رواناب پیدا کرده اند. در این تحقیق، کارایی مدل های نروفازی (CANFIS) و رگرسیونی جهت شبیه سازی فرآیند بارش –رواناب در حوضه آبخیز ناورود واقع در استان گیلان مورد بررسی قرار گرفته است. به این منظور از سه پارامتر بارش، دما و رواناب روزانه استفاده شده است و اثرات هر یک از این عوامل در کارایی شبکه، مورد بررسی قرار گرفت. همراهی سه عامل بارش و دما در روز جاری و رواناب در روز قبل در ماتریس ورودی بهترین نتیجه را در پی داشته است. در نهایت نتایج نشان داد که مدل نروفازی کارایی بالاتری نسبت به مدل رگرسیونی دارد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
