تهدف هذه الدراسة إلى تحديد العناصر المناخية الأكثر تأثيرا على علاقة الهطل - جريان لنهر الكبير الشمالي, باستخدام الشبكات العصبية الاصطناعية. حيث احتوت مدخلات الشبكات العصبية على الهطل المطري و التدفق في النهر, وفق تأخرات زمنية مختلفة, بالإضافة إلى هنصر من العناصر المناخية في كل نموذج من النماذج, لتحديد النموذج الأفضل و الأكثر دقة.
the aim of this study is
determination of the most influential climatic factors in the rainfall
runoff relationship in Al-Kabir Al-shimalee river using artificial
neural networks. The inputs included Precipitation, runoff, in
different delays, in addition on لاclimate factor in each network, to
determinate the best model.
المراجع المستخدمة
ANTAR, M. A; ELASSIOUTI, I; ALLAM, M. N. Rainfallrunoff modelling using artificial neural networks technique: a Blue Nile catchment case study. Hydrol. Process. 20, 1201– 1216, 2006
KALTEH, A. M. 2008 - Rainfall-runoff modelling using artificial neural networks (ANNs): modelling and understanding. Caspian J. Eng. Sci. Vol. 6 No.1. 53-58
KUMAR, M; RAGHUWANSHI, N. S; SINGH, R; WALLENDER, W. W; PRUITT, W. O, 2002. Estimating Evapotranspiration using Artificial Neural Network. Journal of Irrigation and Drainage Engineering
ينبع نهر الكبير الشمالي من جبل الأقرع و الجبال الساحلية، و يعتبر أكبر أنهار المنطقة الساحلية، تبلغ مساحة حوضه الساكب 1097 كم2، و يصب في البحر عند الحدود الجنوبية لمدينة اللاذقية. تهدف الدراسة إلى تحديد تأثير التغيرات المناخية على تدفقات نهر الكبير ال
تشكل العلاقة بين الهطول المطري_الجريان السطحي إحدى المركبات الأساسية للدورة
الهيدرولوجية للمياه في الطبيعة، كما أنها تشكل واحدة من أكثر الظواهر الهيدرولوجية
تعقيداً و صعوبةً في الفهم؛ و ذلك بسبب كثرة عدد المتغيرات المتضمَّنة في نمذجة
العمليات الفي
تهدف الدراسة إلى تحديد التركيز الكلي للزئبق في مياه نهر الكبير الشمالي، و دراسة تأثير بعض المتغيرات الفيزيوكيميائية للمياه، أجريت هذه الدراسة خلال الفترة الممتدة من كانون الثاني 2013 و حتى كانون الأول 2013.
تم اعتيان العينات المائية من ثلاثة مواقع ع
بينت دراسة خصائص الشقوق العامة في الجزء الأوسط من حوض نهر الكبير الشمالي،
وجود عدة مجموعات رئيسة للشقوق ذات اتجاهات:
E-W و ، NW-SE و ، NNE-SSW إلى NE-SW
و ازدياد معدل التشقق في الأجزاء الشمالية و الجنوبية من منطقة الدراسة، و أن التباعدات
متقاربة
تستخدم الشبكة العصبية الصنعية طريقة تعلم استقرائي، و تتطلب بشكل عام أمثِلة
لبيانات التدريب، بينما تستخدم الخوارزمية الجينية تعلم اقتطاعي، و تتطلب تابع هدف. لقد تمّ
تنظيم التعاون بين هاتين التقانتين في دراستنا هذه بغرض تعزيز أداء كل تقانة من خلال بن