Comparison of artificial neural network and deep learning models in rainfall-runoff modeling of Kashafrood river and predicting climate change impact on meteorological parameters and river flow

Author(s):

MohammadHossein Shahani , Vahid Rezaverdinejad* , Seyed Abbad Hosseini

Message:
Article Type:
Research/Original Article (دارای رتبه معتبر)
Abstract:

The main objective of this research is to compare the performance of artificial neural network (ANN) and deep neural network (DNN) models in rainfall-runoff modeling of Kashafrood and to predict the effects of climate change on meteorological parameters and river discharge.

Keywords:

Artificial Neural Network , Climate change , Deep learning , Kashafrood , Rainfall-Runoff

Language:
Persian
Published:
Journal of Iranian Dam and Hydropower, Volume:10 Issue: 33, 2023
Pages:
82 to 97
magiran.com/p2600360  
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
اطلاعات بیشتر
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!
More information