مهدی ولیخان انارکی

کارشناسی ارشد مهندسی و مدیریت منابع آب، دانشکده سمنان، دانشگاه سمنان، سمنان

[ 1 ] - مدل بهینه‌سازی کانال آبیاری با لحاظ شرایط سیلابی و عدم قطعیت

در پژوهش حاضر برای نخستین بار، الگوریتم فراابتکاری خفاش به منظور طراحی مقطع کانال­ آبیاری با حداقل هزینه ساخت و لحاظ احتمال سیلاب به عنوان محدودیت و عدم قطعیت، معرفی شده است. بدین منظور، با در نظر گرفتن مقطع کانال با زبری­های یکنواخت و مرکب و همچنین ارتفاع آزاد جریان در حالات ثابت و متغیر، سه مدل به صورت اول) زبری یکنواخت-ارتفاع ثابت، دوم) زیری مرکب- ارتفاع ثابت و سوم) زبری مرکب-ارتفاع متغیر تع...

[ 2 ] - معرفی مقطع چرخزاد وارونه به منظور طراحی بهینه کانال ها با استفاده از هوش مصنوعی

شکل مقطع کانال­های مصنوعی و طراحی بهینۀ آن با روش­های هوشمند، می­تواند تاثیری چشمگیر در کاهش هزینۀ ساخت این کانال­ها داشته باشد. در پژوهش حاضر، برای نخستین بار به معرفی کانال مصنوعی با مقطع چرخزاد وارونه و طراحی بهینۀ آن با الگوریتم خفاش پرداخته شده است. مقطع پیشنهادی، در دو طرح شامل چرخزاد وارونه بدون بستر افقی و چرخزاد وارونه با بستر افقی در نظر گرفته شده است. به­منظور طراحی بهینۀ مقا...

[ 3 ] - معرفی یک مدل غیر‌خطی بر اساس هیبرید ماشین‌های یادگیری به منظور مدل‌سازی و پیش‌بینی بارش و مقایسه با روش SDSM (مطالعات موردی: شهرکرد، بارز و یاسوج)

در پژوهش حاضر، مدلی هیبریدی بر مبنای روش­های غیرخطی شامل رگرسیون تطبیقی چندگانه اسپلاین (MARS)، شبکه‌عصبی مصنوعی (ANN) و K نزدیکترین همسایه (KNN) به منظور ریز­مقیاس­نمایی و پیش­بینی بارش ایستگاه‌های شهرکرد، بارز و یاسوج تحت شرایط تغییر اقلیم معرفی شده است. مدل هیبریدی ارائه شده، مانند مدل ریز­مقیاس‌نمایی SDSM، از دو گام طبقه­بندی و رگرسیون تشکیل شده است. مدل MARS برای طبقه­بندی وقوع بارش و الگو...

[ 4 ] - Modeling of qualitative parameters (Electrical conductivity and total dissolved solids) of Karun river at Mollasani, Ahvaz and Farsiat stations using data mining methods

Background and Objective: In the present study, EC and TDS quality parameters of Karun River were modeled using data-mining algorithms including LSSVM, ANFIS, and ANN, at Mollasani, Ahvaz and Farsiat hydrometric stations. Material and Methods: Eight different inputs including the combination of Cl-1, Ca+2, Na+1, Mg+2, K+1, CO32-, HCO3, and SO42- with discharge flow (Q) were selected as non-ran...