حسینی, سید محمد رضا

[ 1 ] - تخمین تبخیر و تعرق مرجع روزانه به کمک مدل درخت تصمیمM5 و شبکه عصبی مصنوعی

تعیین دقیق آب مصرفی گیاه باعث افزایش راندمان آبیاری و بهبود مدیریت آب در مزرعه را دنبال دارد. تبخیر و تعرق یک از اجزای اصلی چرخه­ی هیدرولوژی محسوب می­شود و برآورد دقیق آن در مدیریت منابع آب نقش اساسی دارد. در این تحقیق به ارزیابی مدل درختی  M5  و مدل شبکه­ی عصبی تحت شرایط مختلف حداقل داده­ی اقلیمی در یک منطقه­ی خشک سرد پرداخته شد. داده­های مورد استفاده در این تحقیق شامل دمای حداقل و حداکثر، رطو...

[ 2 ] - بهبود دقت روش هارگریوز در برآورد تبخیر- تعرق مرجع به کمک ضریب اصلاحی با مدل شبکه عصبی مصنوعی و درخت تصمیم M5

تبخیر- تعرق یکی از مهم ترین اجزای چرخه هیدرولوژی است که مدلسازی آن در مدیریت منابع آب نقش مهمی دارد. در تحقیق حاضر امکان بهبود دقت برآورد تبخیر- تعرق روش هارگریوز 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 باشد. داده های مورد استفاده این تحقیق عبارت از دمای حداکثر و ح...

[ 3 ] - ارزیابی مدل‌های تجربی و هوشمند در تخمین تبخیر و تعرق مرجع در شرایط حداقل داده اقلیمی؛ مطالعه موردی شهر کرد

امروزه منابع آب به شدت تحت تاثیر چرخه­ی هیدرولوژیکی هستند و برآورد تبخیر و تعرق که جزء اصلی از چرخه­ی هیدرولوژیکی است، در مدیریت منابع آب نقش بسزایی دارد. این پدیده، غیرخطی و از این لحاظ که پارامترهای بسیاری در برآورد آن دخیل هستند، کاری بسیار مشکل است. روش­های زیادی برای برآورد تبخیر و تعرق وجود دارد که هر کدام با مشکلی مواجه می­باشند. بعضی از این روش­ها مثل لایسیمتر هزینه­بر و زمانبر می­باشند...

[ 4 ] - Estimation of Reference Evapotranspiration Using Artificial Neural Network Models and the Hybrid Wavelet Neural Network

Estimation of evapotranspiration is essential for planning, designing and managing irrigation and drainage schemes, as well as water resources management. In this research, artificial neural networks, neural network wavelet model, multivariate regression and Hargreaves' empirical method were used to estimate reference evapotranspiration in order to determine the best model in terms of efficienc...