مقاله کنفرانسی سال ۱۳۹۱ انگلیسی

Evolutionary Neural Networks Water Balance Model for Estimating Monthly Basin Discharges in Urmia Lake basin, Iran

Evolutionary Neural Networks Water Balance Model for Estimating Monthly Basin Discharges in Urmia Lake basin, Iran

چکیده مقاله

In this paper a Rainfall Runoff model using Evolutionary Neural Networks ENN is developed and applied in a basin in Urmia Lake located in north western Iran Artificial Neural Networks have been used as black box water balance models for estimating basin outflow in last two decades Most of these models are developed for areas with rainfall as the predominant form of precipitation Therefore, for most parts around the world, including Iran, where snowfall is the main type of annual precipitation, those models have limited application and value In this paper a neural network model is developed for a basin with snowfall as the main type of precipitation The training process of the NN is carried out using genetic algorithm and is compared to back propagation The model is verified using independent time series by the Nash Sutcliffe Index as well as other evaluation criteria Urmia Lake is currently facing a critical situation where climate change, droughts, and by a greater extent the recent developments of water consumption systems mainly agricultural is jeopardizing the whole existence of the Lake Therefore, development of these models could help to better understand the behaviour of the system to the changes made and for proper assessment of different variables in the system

کلیدواژه‌ها

نویسندگان

تصویر A. B. Dariane

A. B. Dariane

Dept of Civil Engineering, K N Toosi University of Tech , Tehran, Iran

تصویر L Imen

L Imen

A. B. Dariane Dept. of Civil Engineering, K.N. Toosi University of Tech., Tehran, IranS.Sh MilaniS Asadzadeh

تصویر S.Sh Milani

S.Sh Milani

A. B. Dariane Dept. of Civil Engineering, K.N. Toosi University of Tech., Tehran, IranL ImenS Asadzadeh

تصویر S Asadzadeh

S Asadzadeh

A. B. Dariane Dept. of Civil Engineering, K.N. Toosi University of Tech., Tehran, IranL ImenS.Sh Milani

شیوه ارجاع

Dariane, A. B. and Imen, L and Milani, S.Sh and Asadzadeh, S,1391,Evolutionary Neural Networks Water Balance Model for Estimating Monthly Basin Discharges in Urmia Lake basin, Iran,09th International River Engineering Conference,Ahvaz

ارائه‌شده در

پوستر مجموعه مقالات نهمین سمینار بین المللی مهندسی رودخانه مجموعه مقالات نهمین سمینار بین المللی مهندسی رودخانه3 بهمن 1391 · اهواز
ادامه مسیر پژوهش

مقالات مرتبط

مقاله کنفرانسی سال ۱۳۸۸ ۶,۱۶۵ مشاهده

بررسی رابطه ضریب زبری مانینگ با عمق و سرعت نسبی جریان تحت تاثیر تراکم پوشش گیاهی

ضریب زبری پوشش گیاهی از پارامتر های مهم در مطالعه خصوصیات جریان رودخانهای بوده و تابع عمق و سرعت جریان…

پوشش گیاهیضریب زبری مانینگرودخانه
مقاله کنفرانسی سال ۱۳۸۸ ۵,۹۷۵ مشاهده

بررسی اثرات تغییر اقلیم بر منابع آب حوزه آبریز رودخانه کرج و سد کرج

افزایش گرمایش کره زمین در دهه های اخیر، تاثیرات مهمی بر روی منابع طبیعی و بخصوص منابع آب گذاشته از جمله…

منابع آبسد کرج (امیرکبیر)تغییر اقلیم
مقاله کنفرانسی سال ۱۳۸۸ ۵,۵۶۵ مشاهده

مروری بر روش های نوین اندازه گیری جریان در رودخانه ها

به منظور برنامه ریزی و مدیریت منابع آب، پیش بینی سیل، طراحی مهندسی، کشتیرانی، و مدیریت زیست محیطی آگاهی…

دبی جریانرودخانهالتراسونیک
مقاله کنفرانسی سال ۱۳۹۱ ۵,۴۸۵ مشاهده

اجاره اراضی بستر رودخانه ها و منابع آبی )بر اساس ماده 01 آئین نامه حریم و بستر

با عنایت به جاری بودن رودخانه های متعدد، وجود تالاب های بزرگ و ساحل طولانی خلیج فارس و باپتانسیل متنوع ص…

کاربریحریم و بسترماده10
مقاله کنفرانسی سال ۱۳۸۸ ۴,۷۲۳ مشاهده

مقایسه روشهای اندازه گیری رسوبات معلق در رودخانه

برآورد رسوبدهی رودخانه ها در موارد متعددی نظیر طراحی سازه های آبی، مهار سیلاب و آبگیری از رودخانه ها حائ…

اندازه گیریبار معلقغلظت بار معلق
مقاله کنفرانسی سال ۱۳۸۸ ۴,۰۸۷ مشاهده

استفاده از مدل HEC-GeoRAS در پهنه بندی سیلاب دشت رودخانه ایدوغموش

در این تحقیق کاربردHEC GeoRAS و مزایای استفاده از این نرم افزار در پهنه بندی سیلاب دشت رودخانه بیان شده…

پهنه بندی سیلابHEC-RASGIS