مقاله بررسی تأثیر پارامترهای فیزیوگرافی و اقلیمی حوضه در شبیه ‏سازی جریان فصلی رودخانه


در حال بارگذاری
23 اکتبر 2022
فایل ورد و پاورپوینت
2120
2 بازدید
۷۹,۷۰۰ تومان
خرید

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

 مقاله بررسی تأثیر پارامترهای فیزیوگرافی و اقلیمی حوضه در شبیه ‏سازی جریان فصلی رودخانه دارای ۱۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله بررسی تأثیر پارامترهای فیزیوگرافی و اقلیمی حوضه در شبیه ‏سازی جریان فصلی رودخانه  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 تأثیر پارامترهای فیزیوگرافی و اقلیمی حوضه در شبیه ‏سازی جریان فصلی رودخانه،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن مقاله بررسی تأثیر پارامترهای فیزیوگرافی و اقلیمی حوضه در شبیه ‏سازی جریان فصلی رودخانه :

تعداد صفحات :۱۸

خصوصیات فیزیوگرافی و شرایط اقلیمی در حوضه‏های آبریز از عوامل مهم دخیل در رژیم جریان رودخانه هستند که درک روابط بین این عوامل با جریان رودخانه در یک حوضه موجب می‏شود بتوان از این روابط در زیرحوضه‏های فاقد آمار برای پیش‏بینی جریان رودخانه استفاده کرد. در این مطالعه، روابط بین پارامترهای فیزیوگرافی و اقلیمی زیرحوضه‏های آبریز استان گلستان با جریان رودخانه با کاربرد مدل‏ درختی M5، مدل نزدیک‏ترین K- همسایگی (KNN) و رگرسیون چند‌متغیر خطی (MLR) بررسی شد. داده‏های روزان ۲۸ ساله (۱۳۶۰‌ـ ۱۳۹۰) بارش، دما و دبی ایستگاه‏های هیدرومتری و هواشناسی ۳۹ زیرحوض آبریز برای استخراج سری‏های فصلی به‌منظور مدل‏سازی استفاده شد. متوسط مقادیر R و RMSE در فصول مختلف برای مدل M5 به‏ترتیب برابر ۷۶۸/۰ و ۸۰۰/۰، برای مدل KNN به‌ترتیب برابر ۸۸۵/۰ و ۵۰۱/۰ و برای مدل MLR به‏ترتیب برابر۶۹۳/۰ و ۲۰۵/۱ است که نشان‏دهنده برتری مدل KNN است. همچنین بر اساس مقادیر R و RMSE دقت نتایج مدل‏سازی در فصل‏های مختلف به‏ترتیب به‏صورت زمستان، پاییز، بهار و تابستان بوده است. به‌بیان دیگر نتایج پیش‏بینی جریان رودخانه در فصول تر از فصول خشک دقت بیشتری داشته است. همچنین بررسی مقادیر MBE نشان داد مدل KNN در فصل‏های بهار و زمستان به کم‌برآوردی و در تابستان و پاییز به بیش‌برآوردی منجر می‏شود. مدل M5 صرفاً در فصل بهار به کم‌برآوردی و در سایر فصول‌ به بیش‌برآوردی و مدل MLR نیز در زمستان‌ به کم‌برآوردی و در سایر فصول‌ به بیش‌برآوردی از مقدار مشاهداتی منجر می‏شود.

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.