|
Title
|
مدل سازی بارش-رواناب با استفاده از شبکه LSTM
|
|
Type of Research
|
Thesis
|
|
Keywords
|
بارش-رواناب، مدل سازی، هوش مصنوعی، یادگیری ماشین، LSTM
|
|
Abstract
|
بیشتر طراحی های سازه های آبی بر اساس درک ارتباط میان بارش و رواناب صورت می گیرد. بهبود دقت مدل های بارش-رواناب می تواند در مدیریت صحیح منابع آب موثر باشد. علاوه بر آن روش های مختلفی برای انتخاب مدیریت منابع آبی وجود دارد اما ارزیابی یک روش نوین در یک مورد خاص برای سری زمانی طولانی مدت که در آن از داده های هم زمان بارش و رواناب استفاده شده باشد، موضوعی است که کمتر به آن پرداخته شده است. لذا در این تحقیق سعی بر این خواهد بود که با روش شبکه حافظه طولانی-کوتاه مدت، دبی رواناب در حوضه آبریز لیقوان در حالت بهتری مدل سازی شود.
ستاد مدیریت بحران برای کاهش خسارات سیل می تواند از این داده ها تمهیدات لازم را بیندیشد تا از خسارات کاسته شود. با توجه به طولانی بودن بازه زمانی انتخاب شده برای مدل سازی می توان یک ارزیابی از احتمال تغییرات شرایط اقلیمی حوزه را بررسی و نتیجه گیری کرد. شهرداری می تواند برای کنترل رواناب های سطح شهر و مدیریت آن ها در بالادست، از این نتایج استفاده کند. علاوه بر آن سایر ارگان ها با توجه به نیاز های خود ممکن است از این نتایج استفاده کنند.
|
|
Researchers
|
(Student)، bahram saeidifarzad (Primary Advisor)، Nazila Kardan ()
|