ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Improving flood prediction assimilating uncertain crowdsourced data into hydrologic and hydraulic models : Dissertation

دانلود کتاب بهبود پیش‌بینی سیل با جذب داده‌های جمع‌سپاری نامشخص به مدل‌های هیدرولوژیکی و هیدرولیکی: پایان‌نامه

Improving flood prediction assimilating uncertain crowdsourced data into hydrologic and hydraulic models : Dissertation

مشخصات کتاب

Improving flood prediction assimilating uncertain crowdsourced data into hydrologic and hydraulic models : Dissertation

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 1138035904, 1351652567 
ناشر: CRC Press / Balkema 
سال نشر: 2016 
تعداد صفحات: 275 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 48 مگابایت 

قیمت کتاب (تومان) : 31,000



کلمات کلیدی مربوط به کتاب بهبود پیش‌بینی سیل با جذب داده‌های جمع‌سپاری نامشخص به مدل‌های هیدرولوژیکی و هیدرولیکی: پایان‌نامه: پیش بینی سیل، کسب و کار و اقتصاد، زیرساخت، علوم اجتماعی، عمومی



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 8


در صورت تبدیل فایل کتاب Improving flood prediction assimilating uncertain crowdsourced data into hydrologic and hydraulic models : Dissertation به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب بهبود پیش‌بینی سیل با جذب داده‌های جمع‌سپاری نامشخص به مدل‌های هیدرولوژیکی و هیدرولیکی: پایان‌نامه نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب بهبود پیش‌بینی سیل با جذب داده‌های جمع‌سپاری نامشخص به مدل‌های هیدرولوژیکی و هیدرولیکی: پایان‌نامه



در سال‌های اخیر، پیشرفت‌های فن‌آوری مستمر منجر به گسترش حسگرها و دستگاه‌های کم‌هزینه‌ای شده است که از جمع‌سپاری به عنوان راهی برای به دست آوردن مشاهدات متغیرهای هیدرولوژیکی به روشی پراکنده‌تر از حسگرهای فیزیکی استاتیک کلاسیک پشتیبانی می‌کنند. مزیت اصلی استفاده از این نوع سنسورها این است که نه تنها توسط تکنسین ها بلکه برای شهروندان عادی نیز قابل استفاده است. با این حال، به دلیل قابلیت اطمینان نسبتا پایین و دقت متفاوت در زمان و مکان، مشاهدات جمع‌سپاری به طور گسترده در مدل‌های هیدرولوژیکی و/یا هیدرولیکی برای کاربردهای پیش‌بینی سیل ادغام نشده‌اند. در عوض، آنها معمولاً برای اعتبارسنجی نتایج مدل در برابر مشاهدات، در تحلیل‌های پس از رویداد استفاده شده‌اند.

این تحقیق با هدف بررسی مزایای جذب مشاهدات جمع‌سپاری، حاصل از شبکه توزیع شده از حسگرهای فیزیکی و اجتماعی ناهمگن (استاتیک و دینامیک)، در مدل‌های هیدرولوژیکی و هیدرولیکی، به منظور بهبود پیش‌بینی سیل انجام می‌شود. نتایج این مطالعه نشان می‌دهد که مشاهدات جمع‌سپاری می‌تواند به طور قابل توجهی پیش‌بینی سیل را بهبود بخشد اگر به درستی در مدل‌های هیدرولوژیکی و هیدرولیکی ادغام شود. این مطالعه از رصدخانه‌های آب شهروندان پشتیبانی می‌کند، که در آن شهروندان نه تنها می‌توانند نقش فعالی در جمع‌آوری، ارزیابی و ارتباطات داشته باشند، که منجر به پیش‌بینی مدل‌های بهبود یافته و مدیریت بهتر سیل می‌شود.


توضیحاتی درمورد کتاب به خارجی

In recent years, the continued technological advances have led to the spread of low-cost sensors and devices supporting crowdsourcing as a way to obtain observations of hydrological variables in a more distributed way than the classic static physical sensors. The main advantage of using these type of sensors is that they can be used not only by technicians but also by regular citizens. However, due to their relatively low reliability and varying accuracy in time and space, crowdsourced observations have not been widely integrated in hydrological and/or hydraulic models for flood forecasting applications. Instead, they have generally been used to validate model results against observations, in post-event analyses.

This research aims to investigate the benefits of assimilating the crowdsourced observations, coming from a distributed network of heterogeneous physical and social (static and dynamic) sensors, within hydrological and hydraulic models, in order to improve flood forecasting. The results of this study demonstrate that crowdsourced observations can significantly improve flood prediction if properly integrated in hydrological and hydraulic models. This study provides technological support to citizen observatories of water, in which citizens not only can play an active role in information capturing, evaluation and communication, leading to improved model forecasts and better flood management.





نظرات کاربران