روح‌اله نوری
کارشناس مؤسسه تحقیقات آب وزارت نیرو، دانشجوی دکترای مهندسی محیط زیست، دانشکده تحصیلات تکمیلی محیط زیست، دانشگاه تهران
[ 1 ] - پیشبینی ماهانه جریان با استفاده از ماشین بردار پشتیبان بر مبنای آنالیز مؤلفه اصلی
هدف اصلی این تحقیق بررسی تأثیر انتخاب متغیرهای ورودی با استفاده از آنالیز مؤلفه اصلی (PCA) بر عملکرد مدل ماشین بردار پشتیبان (SVM) برای پیشبینی ماهانه دبی رودخانه بود. به این منظور ابتدا با استفاده از 18 متغیر ورودی به مدل SVM، دبی جریان ماهانه پیشبینی شد. سپس با استفاده از PCA تعداد متغیرهای ورودی به مدل SVM از 18 متغیر به 5 مؤلفه کاهش یافت. در نهایت با استفاده از آماره توسعه یافته توسط نویس...
[ 2 ] - پیشبینی ضریب انتشار طولی در رودخانه‌های طبیعی با مدل توسعه یافته شبکه عصبی
هدف اصلی این مقاله پیشبینی ضریب انتشار طولی در رودخانه‌های طبیعی با استفاده از مدل توسعه داده شده شبکه عصبی مصنوعی بر مبنای توابع آموزش شبه-نیوتنی بود. به این منظور از اطلاعات هیدرولیکی و هندسه جریان استفاده گردید. مجموع کل اطلاعات مورد استفاده در این تحقیق، 100 سری داده بود که به سه دسته آموزش، دسته نظارت بر آموزش و دسته آزمایش تقسیم شد. در این تحقیق، ابتدا با دیدی انتقادی به مرور برخی از مهم...
[ 3 ] - تحلیل دقت و عدم قطعیت مدل‌های هوشمند در پیشبینی ضریب انتشار طولی رودخانه‌ها
پیشبینی دقیق ضریب انتشار طولی در رودخانه‌های طبیعی تا حد بسیار زیادی در تعیین توزیع غلظت آلاینده‌ها در چنین محیط‌هایی مؤثر است. عدم قطعیت موجود در نتایج به‌دست آمده از مدل‌های پیشبینی می‌تواند در تصمیم‌گیری‌های مناسب برای برخورد با مواد آلاینده در رودخانه‌ها تأثیر منفی داشته باشد. به‌همین دلیل، تحلیل و تعیین عدم قطعیت مدل‌های مورد استفاده برای پیشبینی این پارامتر بسیار مفید است. در این تحقیق...
[ 4 ] - تأثیر پیش‌پردازش متغیرهای ورودی به شبکه عصبی برای پیشبینی جریان ماهانه با آنالیز مؤلفه‌های اصلی و موجک
برآورد جریان حوضه آبریز با توجه به کاربرد گسترده آن در علوم مرتبط با صنعت آب، از دیرباز مورد توجه پژوهشگران بوده است. ارائه الگوهای نو و به‌کارگیری تکنیک‌های پیشرفته می‌تواند موجب ایجاد تحول در برآورد این سیستم دینامیک و غیرخطی شود. در این تحقیق برای پیشبینی جریان ماهانه، از شبکه عصبی پیشخور استفاده گردیده است. به علت تعداد زیاد متغیرهای مورد استفاده در این تحقیق برای پیشبینی جریان، شناخت متغ...
[ 5 ] - ارایه مدلی مناسب با استفاده از ماشین بردار پشتیبان برای پیشبینی غلظت روزانه مونوکسیدکربن در هوای شهر تهران
Backgrounds and Objectives: Precise air pollutants prediction, as the first step in facing air pollution problem, could provide helpful information for authorities in order to have appropriate actions toward this challenge. Regarding the importance of carbon monoxide (CO) in Tehran atmosphere, this study aims to introduce a suitable model for predicting this pollutant. Materials and Method: W...
نویسندگان همکار