استفاده از داده کاوی در پایش شاخص منابع آب سطحی SWSI مطالعه موردی: حوضه آبریز رودخانه قره سو

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 849

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICSAU03_0255

تاریخ نمایه سازی: 12 تیر 1395

چکیده مقاله:

سیستم های منابع آب به عنوان یک سیستم بازودارای ارتباط جهانی یکی ازپیچیده ترین سیستم هاست همین موضوع سبب شده درزمینه مدیریت منابع اب باحجم بسیارزیادی داده های مکانی - زمانی مواجه شویم که استفاده ازروشهای تجربی و اماری را درتبدیل چنین داده هایی به دانش کاربردی بادشواری روبروکردها ست بنابراین نیاز به روشی جهت پاسخگویی به چنین مسائلی درزمینه مدیریت نمابع آب احساس میشود داده کاوی یکی ازپیشرفتهای اخیر درراستای فناوریهای مدیریت داده هاست داده کاوی مجموعه ای ازفنون است که ورای داده پردازی معمولی حرکت کرده و به استخراج اطلاعاتی که درانبوه داده ها مخفی و پنهان است کمک می کند دراین پژوهش با استفاده ازداده کاوی و تکنیک شبکه عصبی برای محدوده حوضه ابریزرودخانه قره سو کمانشاه به بررسی و پایش شاخص SWSI برمبنای مقادیر درازمدتی ازعناصرمختلف آب و هواشناسی پرداخته شده است نتایج این پژوهش نشان داد که استفاده ازپارامترهای دبی رودخانه باران دما و تبخیر موجود درمحدوده موردمطالعه تاثیر بیشتری نسبت به وجود تنها یک پارامتر دارند

نویسندگان

علی فتاحی چقابگی

کارشناس ارشد مهندسی منابع آب شرکت آب منطقه ای کرمانشاه

اسماعیل سعادتی

کارشناس ارشد مهندسی نرم افزار شرکت آب منطقه ای کرمانشاه

فریبا خدابخشی

کارشناس ارشد مهندسی منابع آب

فرهاد مردوخی

استادیار گروه مهندسی کامپیوتر دانشگاه رازی کرمانشاه

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • علیزاده، ا. اصول هیدرولوژی کاربردی. انتشارات دانشگاه ام رضا. چاپ ...
  • پهنه‌بندی شدت خشکسالی با استفاده از نمایه‌ درصد از نرمال (PN) در استان خراسان رضوی [مقاله کنفرانسی]
  • ا ربانی، خ. ع .خلیلی، ک .علوی پناه و غ ...
  • خلیلی، ن.ه خداشناس، س .ر.؛ داوری، ک؛ و موسوی بایگی، ...
  • فلاح قالهری، غ .ع؛ مخوشحال دستجردی، ج. پیش‌بینی بارش بهار ...
  • Bacanli, U., Firat, M., & Dikbas, F. "Adaptive Neuro-Fuzzy Inference ...
  • Zounemat Kermani, M., & Teshnehlab, M. "Using adaptive neuro-fuzzy inference ...
  • Nayak, P., Sudheer, K., Rangan, D., & Ramasa, K. "A ...
  • Hong, W., M.J. Hayes, A. Welss and Q. Hu. An ...
  • Cancelliere, _ G. Mauro, B. Bonaccorso and G. Rossi. Drought ...
  • Mena, J. Data Mining Your Website Woburn, Digital Press. 1999. ...
  • Cabena, P. H., Stadler R., Verhees J., and Zanasi A. ...
  • Vanderberg H., Sogard P., and Motoroni S. MineSetTM 3.0 Enterprise ...
  • نمایش کامل مراجع