بحث متقدم
ترتيب حسب
فلترة حسب
تُشكِّل العلاقة بين الهطول المطري_الجريان النهري Rainfall_Runoff (R_R إحدى المركبات الأساسية لدورة المياه في الطبيعة، كما أنها تُشكّل واحدة من أكثر الظواهر الهيدرولوجية تعقيداً و صعوبةً في الفهم؛ و ذلك بسبب كثرة عدد البارامترات المتضمَّنة في نمذجة ال عمليات الفيزيائية و بسبب اتساع فضائها البارامتري و التغير المؤقت في مواصفات الحوض، إضافةً إلى تعدد نماذج الهطولات المطرية. هذا و تعدُّ نمذجة العلاقة بين الهطول المطري _الجريان النهري مهمة جدّاً من أجل التصميم الهندسي و الإدارة المتكاملة للموارد المائية، إضافةً إلى التنبؤ بالفيضان و درء مخاطره. حيث يهدف هذا البحث إلى نمذجة العلاقة بين الهطول المطري_الجريان النهري في حوض نهر الكبير الجنوبي في سوريا، بالاعتماد على تقانة الشبكة العصبونية الصنعية (ANN) Artificial Neural Network، حيث بُني النموذج الرياضي باستخدام كلٍّ من nntool وntstool مكتبتين ملحقتين ببرنامج الماتلاب، و اعتمد النموذج على البيانات اليومية للهطول المطري، درجة حرارة الهواء، الرطوبة النسبية و التبخر في المحطات المناخية المنتشرة في الحوض، كما استُخدِمت بيانات الجريان النهري اليومية لغرض التحقق من صحة أداء الشبكة باستخدام تقانة Simulink المتاحة في حزمة برمجيات الماتلاب. أثبتت نتائج الدراسة أنَّ تقانة الشبكة العصبونية الصنعيَّة تعطي نتائج جيدة في نمذجة العلاقة بين الهطول المطري_الجريان النهري، اعتماداً على مجموعة البيانات المستخدَمة، و بالتالي يمكن اعتبارها بديلاً للطرائق التقليدية في نمذجة العلاقة R_R.
في هذا البحث تم استخدام الشبكات العصبونيّة الصنعيّة التي تعتبر من أكثر فروع الذكاء الصناعي التي تخدم عمليات التخمين لإيجاد قطر الغزول القطنيّة المسرحة. تّم جمع البيانات اللازمة وٕ اجراء الاختبارات العملية. ثم تّم العمل على تأسيس خوارزمية برمجية للشب كة العصبونية الصنعية، و التي توفر إمكانية تحديد قطر الغزل القطني المسرح انطلاقاً من المتغيرات المدخلة، و المتمثلة بنمرة الغزل و عدد برماته. حيث أنه بعد إنشاء العديد من الشبكات العصبونية، تّم اختيار الشبكة الأنسب، و التي أعطت أقل نسبة خطأ.
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها