نشریه علمی - پژوهشی مرتع و آبخیزداری
پیش بینی و آشکارسازی روند تغییرات زمانی و مکانی کاربری اراضی با استفاده از مدل‌ساز تغییر زمین

علی آذره؛ الهام رفیعی ساردوئی

دوره 74، شماره 3 ، آذر 1400، ، صفحه 483-500

https://doi.org/10.22059/jrwm.2021.327646.1601

چکیده
  هدف این پژوهش، بررسی تغییرات کاربری اراضی در گذشته و پیش بینی کاربری اراضی در آینده با استفاده از مدل‌ساز تغییر زمین (LCM) در حوزه آبخیز هلیل رود می باشد. آشکارسازی تغییرات کاربری اراضی با به‌کارگیری تصاویر ماهواره لندست، سنجنده‌هایTM (تصویر سال 1370)، ETM+ (تصویر سال 1382) و OLI (تصویر سال 1399) انجام گرفت. مدل‌سازی نیروی انتقال با روش شبکه عصبی ...  بیشتر

بازسازی دبی روزانه با استفاده از روش های شبکه عصبی و فازی- عصبی(مطالعه موردی: سرشاخه های حوزه آبخیز کارون)

مجتبی نساجی زواره؛ باقر قرمز چشمه؛ فاطمه رحیم زاده

دوره 69، شماره 2 ، تیر 1395، ، صفحه 503-514

https://doi.org/10.22059/jrwm.2016.61699

چکیده
  برای برآورد دبی روزانه در مدل‏های هیدرولوژی نیاز به دبی‏های پیوسته در بازه زمانی روزانه هست. تعداد سال‏های آماری متفاوت، نواقص آماری و خطای اندازه‏گیری باعث ایجاد سری‏های زمانی با پایه زمانی غیرمشترک می‏گردد. بنابراین بازسازی داده‏های دبی روزانه از اهمیت ویژه‏ای برخوردار است. این تحقیق به‌منظور بازسازی دبی روزانه ...  بیشتر

مقایسه کارایی روش‏های نروفازی، شبکه عصبی مصنوعی و مدل‏های آماری در تخمین رسوب معلق رودخانه‌ها(مطالعه موردی: بالادست حوضه طالقان)

امین ذرتی پور

دوره 69، شماره 1 ، خرداد 1395، ، صفحه 65-78

https://doi.org/10.22059/jrwm.2016.61734

چکیده
  برآورد دقیق میزان رسوب معلق رودخانه‌ها از مسائلی مهم در طراحی مخازن، آلودگی دریاچه‌ها، طراحی کانال‏ها و لایروبی آنها بعد از سیلاب‏ها، تعیین خسارت‏های ناشی از رسوبگذاری و تعیین تأثیرات مدیریت آبخیز است. روش‏های متعددی به‌منظور برآورد بار معلق رودخانه‌ها وجود دارد. یکی از این روش‏ها، که در حل مسائل مختلف هیدرولوژی رسوب ...  بیشتر

پیش‌بینی سیل با استفاده از شبکه عصبی مصنوعی و رگرسیون چندمتغیره غیرخطی (مطالعه موردی: طالقان)

مریم خسروی؛ علی سلاجقه؛ محمد مهدوی؛ محسن محسنی ساروی

دوره 65، شماره 3 ، آذر 1391، ، صفحه 341-349

https://doi.org/10.22059/jrwm.2012.30022

چکیده
  با توجه به کمبود ایستگاه‌های اندازه‌گیری در کشور، لزوم استفاده از مدل‌های تجربی برآورد دبی‌ حداکثر لحظه‌ای بسیار ضروری است. در این پژوهش از دو مدل شبکه عصبی و رگرسیون چندمتغیره غیرخطی برای پیش‌بینی دبی اوج در حوزة آبخیز طالقان استفاده گردید. با استفاده از آمار دبی‌های متوسط حداکثر روزانه و بارش‌های متناظر، یک روز قبل و پنج روز ...  بیشتر

بررسی کارایی روش‌های عصبی- فازی و مدل‌های آماری در شبیه‌سازی فرآیند بارش-رواناب

علی سلاجقه؛ علی فتح آبادی؛ محمد مهدوی

دوره 62، شماره 1 ، خرداد 1388

چکیده
  یکی از پیچیده‌ترین فرآیندهای هیدرولوژیکی فرآیند بارش-رواناب است,‏ که از پارامترسهای مختلف فیزیکی و هیدرولوژیکی تاثیر می‌پذیرد. در این پژوهش با بهره‌گیری از روش‌های آماری ARMAX, شبکه عصبی, عصبی-فازی (ANFIS با جداسازی خوشه‌ای و شبکه‌ای) و دو مدل بدست آمده از ترکیب آنها به منظور مدل‌سازی فرآیند بارش-رواناب و پیش‌بینی جریان رودخانه بهره‌گیری ...  بیشتر