بابک محمدی
دانشجوی دکتری هواشناسی کشاورزی، گروه آبیاری و آبادانی ، پردیس کشاورزی و منابع طبیعی ، دانشگاه تهران
[ 1 ] - بررسی عملکرد الگوریتم هیبریدی کرم شب تاب و شبکه عصبی مصنوعی در شبیه سازی مقادیر تبخیر روزانه
شبیه سازی فرایند تبخیر امری بسیار مهم در برنامه ریزی و مدیریت منابع آب می باشد و به دلیل پیچیدگی فرایند تبخیر، تعیین دقیق این پارامترهای آن مستلزم استفاده از روشهای دقیقی است که با دقت قابل قبولی بتواند این فرایند را شبیه سازی کند. با استفاده از روش هیبریدی شبیه سازی و بهینه سازی می‌توان فرایند تبخیر را با دقت بالایی شبیه سازی کرد. در این پژوهش با استفاده داده های تبخیر روزانه ایستگاه سینوپتیک ...
[ 2 ] - کارایی الگوریتم هیبریدی ازدحام ذرات در شبیه سازی سطح تراز ایستابی (مطالعه موردی: آبخوان دشت اردبیل)
آب زیرزمینی و مدیریت منابع آب نقش کلیدی در پایداری منابع آب در نواحی خشک و نیمه خشک ایفا میکند. پیشبینی تراز آب زیرزمینی به منظور مدیریت و برنامهریزی منابع آب، بسیار مهم است. در این تحقیق از مدلهای شبکه عصبی مصنوعی و مدل شبکه عصبی مصنوعی مبتنی بر الگوریتم ازدحام ذرات برای تخمین تراز آب زیرزمینی دشت اردبیل استفاده شده است. دادههای مورد استفاده شامل تراز سطح ایستابی طی یک دوره آماری 1351 تا ...
[ 3 ] - تحلیل عدم قطعیت مدلهای شبکه عصبی مصنوعی و ماشین بردار پشتیبان در تخمین بارش
در این تحقیق سعی گردید، ترکیب ورودی و مدل مناسب برای تخمین بارش‌های شهرستان شاهرود تعیین گردد. برای رسیدن به این هدف از دادههای ماهانه هواشناسی شامل تبخیر، دما، رطوبت نسبی هوا، تابشهای خورشیدی، سرعت باد در دوره آماری 1342 تا 1394 و مدلهای شبکه عصبی مصنوعی و ماشین بردار پشتیبان استفاده شده است. 75 درصد از دادهها برای واسنجی و 25 درصد دیگر جهت اعتبارسنجی مدلها استفاده شده است. در این تحقیق ...
[ 4 ] - استفاده از تحلیل مولفه اصلی برای تعیین ورودی‌های موثر بر تخمین بارش به کمک شبکه عصبی مصنوعی و ماشین بردار پشتیبان
مدیریت نزولات جوی و استفاده بهینه از این منابع کمک شایانی به مدیریت منابع آب میکند و همچنین در مدیریت منابع آب تخمین پارامتر هیدرولوژیکی نقش اساسی دارند. در این تحقیق تخمین بارش سه ایستگاه سینوپتیک آستارا، لاهیجان و جیرنده واقع در استان گیلان با استفاده از شبکه عصبی مصنوعی (ANN) و ماشین بردار پشتیان (SVM) انجام گرفته است. از روش تحلیل مؤلفه اصلی (PCA) برای پیش پردازش داده ها و تعیین داده ها...
[ 5 ] - استفاده از آزمون گاما در پیش‌پردازش دادهها جهت مدل‌سازی سری‌های زمانی بارش
انتخاب ورودی‌های مناسب برای مدلهای هوشمند از اهمیت به سزایی برخوردار است. زیرا باعث کاهش هزینه و صرفه‌جویی در وقت و افزایش دقت و کارایی مدلها می‌شود. هدف از این مطالعه، کاربرد آزمون گاما برای انتخاب ترکیب بهینه متغیرهای ورودی که شامل تاخیرهای بارش، در مدل‌سازی سری زمانی بارش می‌باشد. سری زمانی ماهانه بارش در دوره زمانی 1383تا 1393 برای ایستگاه سینوپتیک رشت مورد استفاده قرار گرفت. پارامتر بار...
[ 6 ] - مقایسه عملکرد ماشین بردار پشتیبان و شبکه عصبی مصنوعی در برآورد ارتفاع آب معادل برف در حوضه آذربایجان شرقی
برف و برفاب در حوضههای کوهستانی و مرتفع عامل مهم و کنترلکننده رژیم جریان محسوب شده و به عنوان منبع اصلی تأمین آب نقش بسیار مهمی را ایفا مینماید. به همین دلیل در مناطق کوهستانی هیدرولوژی برف اهمیت و ارزش زیادی دارد. علاوه بر این تخمین، شبیهسازی و پیشبینی جریان ناشی از ذوب برف و باران در زمینههای مختلف دارای اهمیت و کاربرد می‌باشد که از جمله آن تأمین آب شرب، کشاورزی، صنعت و تفرجگاهها، تنظی...
[ 7 ] - بررسی تاثیر سنجه های اقلیمی بر روی تخمین دمای خاک توسط الگوریتم هیبریدی شبیه سازی تبرید
مطلعات جغرافیایی که به منظور برنامه ریزی شهری ، اقلیم شناسی ، ساخت و ساز عمرانی و همچنین کشاورزی یک منطقه صورت می‌گیرد به تخمین درجه حرارت خاک آن منطقه وابسته می باشد . در این پژوهش دمای 50 سانتی متری عمق خاک با استفاده از مدل الگوریتم هیبریدی شبیه سازی تبرید و مدل منفرد ماشین بردار پشتیبان در ایستگاه هواشناسی شهر آدنا واقع در کشور ترکیه شبیه سازی گردید .الگوریتم شبیه سازی تبرید (SA) یک الگوریت...
نویسندگان همکار