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 الفيزيائية و التغير المؤقت في مواصفات الحوض، إضافةً إلى تعدد نماذج
الهطولات المطرية. و تعدُّ نمذجة العلاقة بين الهطول المطري و الجريان السطحي مهمة
جدّاً من أجل التصميم الهندسي و الإدارة المتكاملة للموارد المائية، إضافةً إلى التنبؤ
بالفيضان و درء مخاطره. من هنا تبرز أهمية نمذجة العلاقة بين الهطول
المطري_الجريان السطحي اعتمادا على عدد من المتغيرات التي تؤثر بشكل فعال على
الجريان السطحي، بما يتطلبه الأمر من الحفاظ على هذه الثروة الحيوية.
The relationship between precipitation and surface runoff is one of
the fundamental components of the hydrological cycle of water in
nature and is one of the most complex and difficult to understand
because of the large number of parameters involved in the
modeling of physical processes and the breadth of parmetry and
temporary change in basin specifications. Multiple rainfall models
Modeling the relationship between precipitation and runoff is very
important for engineering design and integrated water resources
management, as well as flood forecasting and risk prevention.
المراجع المستخدمة
PITTAMS, R. An Empirical Relationship Between Rainfall and Runoff, Journal of Hydrology New Zealand, Vol. 24, No . 2, 1970, 357-372
DAWSON, C. ؛ WILBY, R. An artificial neural network approach to rainfallrunoff modeling, Hydrological Sciences— Journal—des Sciences Hydrolo U.K. Vol.43, NO.1, 1998, 47-66
Arslan, C. Rainfall–Runoff Modeling Based on Artificial Neural Networks (ANNs). European Journal of Scientific Research U. K. Vol. 65, No. 4, 2011, 490-506
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
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
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 هنص
في اللغويات الحسابية، فقد تبين أن الهياكل الهرمية تجعل نماذج اللغة (LMS) أكثر تشبه الإنسان. ومع ذلك، فإن الأدب السابق كان غير ملائم حول استراتيجية تحليل النماذج الهرمية. في هذه الورقة، قامنا بالتحقيق في ما إذا كانت الهياكل الهرمية تجعل LMS أكثر تشبه
التنبّؤ بالطقس و خاصةً الأمطار، هي واحدة من المهام العملية الأكثر تحدياً و أهمية، و التي تقوم بها خدمات الأرصاد الجوية في جميع أنحاء العالم، علاوة على كونه إجراء معقد يتطلب مجالات متخصصة و متعددة من الخبرات.
في هذه الورقة، أقترح نموذج الشبكات العصبي