سمیرا نعمتی
دانشگاه تبریز
[ 1 ] - طبقه بندی تبخیر سالانه ایستگاههای تبخیرسنجی ایران با استفاده از محاسبات نرم(خوشه بندی فازی و شبکه عصبی کوهنن) بر اساس پارامترهای اقلیمی
تبخیر را میتوان نقطه آغازین چرخه هیدرولوژیک آب به شمار آورد، که برآیند مجموعه عوامل اقلیمی و جغرافیایی منطقه هیدرولوژیک میباشد و مستقیماً بر منابع آب اثر بخش است. این پدیده از یک سیستم پیچیده و غیرخطی پیروی میکند، که تخمین دقیق آن بسیار دشوار است. از این رو استفاده از مدلهای ریاضی مانند سیستم استنتاج فازی و شبکه عصبی کوهنن با درک رفتار های غیر خطی سیستم برای حل این مشکل مناسب است. طبقهبندی ...
[ 2 ] - مدلسازی جریان رودخانه باراندوزچای با استفاده از روش نزدیکترین K- همسایه و روشهای هوشمند
پیشبینی دقیق جریان رودخانه در طراحی، بهرهبرداری و برنامهریزی منابع آب از اهمیت بسزایی برخوردار است. در این مطالعه، عملکرد روشهای ناپارامتری نزدیکترین همسایه، فازی- عصبی تطبیقی و روش رگرسیون بردار پشتیبان در پیشبینی جریان رودخانه ارزیابی شده است. برای مدلسازی از دادههای جریان 36 ساله ایستگاه هیدرومتری دیزج واقع بر رودخانه باراندوزچای (در مقیاس زمانی ماهانه) استفاده گردید. ترکیبات مختلفی ا...
[ 3 ] - پیشبینی جریان روزانه رودخانه با استفاده از مدل هیبرید موجک و شبکه عصبی؛ مطالعه موردی ایستگاه هیدرومتری ونیار در حوضه آبریز آجی چای
با توجه به اهمیت پیشبینی جریان رودخانه در مدیریت منابع آب روشهای مختلفی برای مدل کردن جریان رودخانه‌ها بکار برده می‌شوند. تا بتوان با بکارگیری این مدل در مدیریت خشکسالی و سیلاب خسارات ناشی از آن‌ها را به حداقل ممکن رساند. در این مطالعه نیز برای پیشبینی سری زمانی جریان روزانه ایستگاه ونیار، با توجه به ویژگی‌های غیرخطی مقیاس‌های زمانی چندگانه، مدل هیبرید شبکه عصبی و موجک پیشنهاد شده است. برا...
نویسندگان همکار