استفاده از روش ها نوین برای تعیین ورودی های موثر در تخمین دمای خاک

بابک محمدی

مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 08 آذر 1401

https://doi.org/10.30467/nivar.2018.94066.1065

چکیده
  در این تحقیق تخمین دمای عمق 10 سانتی متری خاک ایستگاه سینوپتیک تبریز واقع در استان آذربایجان شرقی با استفاده از شبکه عصبی مصنوعی(ANN) و ماشین بردار پشتیان(SVM) انجام گرفته است. از دو روش تحلیل مؤلفه اصلی(PCA) و آزمون گاما(GT) برای پیش‌پردازش داده‌ها و تعیین داده های ورودی استفاده گردید . با توجه به نتایج، برای ایستگاه تبریز 3 متغیر ورودی توسط ...  بیشتر

شبیه سازی ومقایسه ی برآورد رواناب به روش های شبکه عصبی،رگرسیون و استنتاج فازی(مطالعه ی موردی: حوضه آبریز دز)

غزاله احمدیان احمدآباد؛ محمود ذاکری نیری

دوره 45، 114-115 ، مهر 1400، ، صفحه 84-96

https://doi.org/10.30467/nivar.2022.290750.1196

چکیده
  بعلت بروز خشکسالی های متمادی و کاهش شدید بارندگی در چند دهه اخیر، پیش بینی وضعیت اندازه جریان منابع آب های سطحی در رودخانه ها جهت مدیریت منابع آب اهمیت ویژه ای یافته است. ازاین نظر، اندازه ی بده ی عبوری از رودخانه ها که مهم ترین منبع تغذیه ی آب پشت سدها است، جزء مهم ترین عوامل در زمینه ی پیش بینی آب های سطحی به شمار می رود. برای ارزیابی ...  بیشتر

ارائه یک ضریب اصلاحی برای بهبود دقت روش هارگریوز در برآورد تبخیر و تعرق مرجع

سید محمد رضا حسینی؛ روح الله فتاحی؛ امید محترمی

دوره 44، 110-111 ، مهر 1399، ، صفحه 43-52

https://doi.org/10.30467/nivar.2019.135827.1099

چکیده
  تبخیر- تعرق یکی از مهم‌ترین اجزای چرخه هیدرولوژی است که برآورد آن در مدیریت منابع آب نقش مهمی دارد. در تحقیق حاضر امکان بهبود دقت روش هارگریوز جهت برآورد تبخیر- تعرق به کمک ضریب اصلاحیK با استفاده از مدل شبکه عصبی مصنوعی و مدل درخت تصمیم M5 مورد بررسی قرار گرفت. این ضریب برابر با نسبت تبخیر- تعرق مدل پنمن مونتیث فائو به روش هارگریوز می ...  بیشتر

برآورد تبخیر و تعرق با استفاده از مدل‌های تجربی، مدل‌سازی آن با شبکه عصبی مصنوعی و مقایسه آن-ها با داده‌های لایسیمتری (مطالعه موردی: کشت و صنعت نیشکر سلمان فارسی)

عاطفه صیادی شهرکی؛ سعید برومندنسب؛ عبدعلی ناصری؛ امیر سلطانی محمدی

دوره 44، 110-111 ، مهر 1399، ، صفحه 146-156

https://doi.org/10.30467/nivar.2020.232521.1159

چکیده
  تبخیر و تعرق یک پدیده چند متغیره و پیچیده است که به عوامل متعدد اقلیمی بستگی دارد و دقیق‌ترین روش برای برآورد آن، لایسیمتر است. اما استفاده از لایسیمتر، مستلزم وقت و هزینه زیادی است، از این رو تخمین تبخیر و تعرق با استفاده از پارامترهای هواشناسی و مدل‌های تجربی انجام می-گیرد. این مدل‌ها دارای ضرایبی هستند که معرف شرایط منطقه‌ای است ...  بیشتر

شبیه‌سازی اثر تغییر اقلیم بر تراز سطح آب زیرزمینی در آبخوان کارستی گستره لالی، استان خوزستان

نجات زیدعلی نژاد؛ حمیدرضا ناصری؛ علیرضا شکیبا؛ فرشاد علیجانی

دوره 44، 108-109 ، فروردین 1399، ، صفحه 97-109

https://doi.org/10.30467/nivar.2020.106355

چکیده
  اثر تغییر اقلیم بر آبخوان‌های کارستی کمتر مورد توجه قرار گرفته است که علت آن دشواری مدلسازی آنها در مقایسه با آبخوان‌های آبرفتی است. با استفاده از شبکه‌های عصبی مصنوعی می‌توان بین پارامترهای اقلیمی، به عنوان جزئی از چرخه هیدرولوژی، و سطح آب زیرزمینی ارتباط برقرار کرد. در این مطالعه، پس از پیش‌بینی متغیرهای اقلیمی، یعنی بارش و ...  بیشتر

هواشناسی کشاورزی
بررسی عملکرد الگوریتم هیبریدی کرم شب تاب و شبکه عصبی مصنوعی در شبیه سازی مقادیر تبخیر روزانه

بابک محمدی؛ محمد علی قربانی؛ اسماعیل اسدی

دوره 42، 100-101 ، فروردین 1397، ، صفحه 21-34

چکیده
  شبیه سازی فرایند تبخیر امری بسیار مهم در برنامه ریزی و مدیریت منابع آب می باشد و به دلیل پیچیدگی فرایند تبخیر، تعیین دقیق این پارامترهای آن مستلزم استفاده از روشهای دقیقی است که با دقت قابل قبولی بتواند این فرایند را شبیه سازی کند. با استفاده از روش هیبریدی شبیه سازی و بهینه سازی می‌توان فرایند تبخیر را با دقت بالایی شبیه سازی کرد. ...  بیشتر