فاطمه مقصود
دانشجوی دکتری علوم و مهندسی آبخیزداری، دانشکدۀ منابع‌طبیعی و علوم دریایی دانشگاه تربیت مدرس
[ 1 ] - مقایسۀ کارایی شبکۀ عصبی مصنوعی در پیشبینی خشکسالی هواشناسی با استفاده از پیوند از دور و پارامترهای اقلیمی (مطالعۀ موردی: جنوب استان قزوین)
خشکسالی در نگاهی کلی معلول یک دورۀ شرایط خشک غیرعادی است که به اندازۀ کافی دوام داشته و سبب عدم تعادل در وضعیت هیدرولوژیک یک ناحیه همچون افت منابع آب سطحی و زیرزمینی می‌گردد. هدف از این تحقیق مدلسازی پیشبینی خشکسالی هواشناسی در سه مقیاس زمانی کوتاهمدت، میانمدت و بلندمدت در ایستگاه بارانسنجی واقع در دشت جنوبی استان قزوین، با استفاده از شبکۀ عصبی پرسپترون چندلایه و با در نظر گرفتن پارامترها...
[ 2 ] - مقایسه کارایی مدل شبکه عصبی مصنوعی، سری زمانی و مدل ترکیبی ANN-ARIMA در مدلسازی و پیشبینی شاخص منبع آب زیرزمینی (GRI) (مطالعه موردی: جنوب استان قزوین)
خشکسالی آب زیرزمینی یکی از انواع خشکسالی است که در اثر تغذیه ناکافی مخازن سفره‌های آب زیرزمینی بوجود آمده و شاخص منبع آب زیرزمینی (GRI) به عنوان روشی برای بیان وضعیت سطح آب زیرزمینی محسوب می‌شود. تاکنون روش‌ها و مدل‌های مختلفی برای پیشبینی و مدلسازی این پدیده ارائه شده است اما از آنجا که انتخاب یک مدل مناسب کار مشکلی می‌باشد می‌توان به جای استفاده از یک مدل؛ ترکیبی از مدل‌های منفرد قابل قبول ...
[ 3 ] - توسعه مدل پیشبینی وقوع خشکسالی؛ مطالعه موردی شهرستان آبیک استان قزوین
بهره‌برداری بهینه از سیستم‌های منابع آب درکشور، مستلزم ارتقاء دقت پیشبینی و برآورد زمان وقوع خشکسالی است. یکی از مهم‌ترین مسائل در پایش و پیشبینی خشکسالی انتخاب شاخص متناسب با منطقه است. در این تحقیق ضمن محاسبه دو شاخص SPI و CZI در دو مقیاس زمانی کوتاهمدت و میانمدت با استفاده از مقادیر بارندگی دو ایستگاه بارانسجی با طول دوره آماری 43 ساله (1351-1394) در شهرستان آبیک، اقدام به پیشبینی خش...
نویسندگان همکار