اندازه گیری رطوبت حجمی خاک و آب قابل دسترس برای گیاهان در رشته های مختلف مانند خاکشناسی، هیدرولوژی و مهندسی آب بسیار مهم است. بنابراین بررسی متعدد رطوبت خاک و میزان قابل استفاده آن برای گیاه از مهم ترین موضوعات در علم رابطه آب، خاک وگیاه است. برای تعیین رطوبت از روش های مختلفی مانند روش مستقیم (روش وزنی) و روش های غیر مستقیم مانند استفاده از دستگاه tdr و شبکه های هوش مصنوعی مانند شبکه عصبی، فاز...

ضرورت آگاهی از وضعیت منابع آب و نزولات جوی در مناطق مختلف برای اجرای طرح های آبی از یک سو، و فقدان شبکه ای مطلوب از ایستگاه های اندازه گیری پارامترهای هواشناسی از سوی دیگر، اهمیت استفاده از روش های غیرمستقیم را برای تخمین پارامترهای اقلیمی در بسیاری از مناطق کشور آشکار می سازد. پیش بینی تغییرات اقلیمی حاکم بر هر منطقه و مدل سازی های اقلیمی و هیدرولوژیکی، مستلزم در دسترس بودن اطلاعات درازمدت و ه...

در اقتصاد امروز تاثیر بورس اوراق بهادار در سرمایه‏گذاری، تامین مالی بنگاه‏های اقتصادی و رشد و توسعه کشورها کاملاً مشهود می‏باشد. با توجه به ماهیت بورس اوراق بهادار و ریسک ناشی از سرمایه‏گذاری در آن، سیاستگذاران همواره در جستجوی روش‏هایی برای پیش‏بینی شاخص قیمت سهام برای حداقل نمودن ریسک تصمیم‏گیری بوده‏اند. در این پژوهش ابتدا روش‏های سری‏زمانی و شبکه‏عصبی معرفی شده و سپس در فصل چهارم تحقیق، متغی...

تخمین تبخیر-تعرق گیاه مرجع یکی از مهم ترین مؤلفه ها در بهینه سازی مصرف آب کشاورزی و مدیریت منابع آب است. پیش بینی تبخیر-تعرق مرجع روزانه و هفتگی می تواند در پیش بینی نیاز آبی گیاهان و برنامه ریزی کوتاه مدت آبیاری مورداستفاده قرار گیرد. هدف از این تحقیق، ارزیابی عملکرد سه نوع شبکه عصبی مصنوعی mlp(پرسپترون چندلایه)، rbf (شبکه تابع پایه ای شعاعی)، svm (ماشین بردار پشتیبان) در پیش بینی تبخیر-تعرق م...

پیش­بینی نوسانات سطح آب زیرزمینی، برای برنامه­ریزی مناسب­تر به­ویژه در مناطق خشک و نیمه خشک امری ضروری است. در این تحقیق برای پیش­بینی نوسانات سطح آب زیرزمینی در دشت مروست از مدل­های سری زمانی و شبکه عصبی استفاده شد. برای مدل­سازی، اطلاعات سطح آب زیرزمینی در طی سال­های 88-1366 استفاده و مدل­های مختلف سری زمانی تلفیقی و شبکه عصبی مصنوعی بر داده­ها برازش داده شد. کارآیی و دقت مدل­های آریما در پیش...

افتیمو در مقاله ای نشان داد که چگونه می توان تبدیل لاپلاس را به عنوان ابزاری برای محاسبه سریهای نامتناهی به کاربرد. در این مقاله این روش را مورد بررسی قرار داده کاربردهای آن را بیشتر شرح می دهیم.

منابع آب زیرزمینی یکی از مهم ترین منابع آب به شمار می روند که شناخت صحیح و بهره برداری اصولی از آنها بخصوص در مناطق خشک و نیمه خشک می تواند در توسعه پایدار بسیاری از فعالیت های کشاورزی، اجتماعی و اقتصادی آن منطقه تأثیر بسزایی داشته باشد. برای آگاهی از وضعیت نوسانات سطح آب زیرزمینی در چنین مناطقی لازم است پیش بینی دقیقی از نوسانات سطح آب زیرزمینی انجام شود. با پیش بینی دقیق نوسانات سطح آب زیرزمی...

پیش بینی بارش در آگاهی و هشدار قبل از وقوع سیلاب، مدیریت منابع آب و از همه مهم تر در برآورد نیاز آبی و تحصیص و توزیع مناسب آب کشاورزی از اهمیت بالایی برخوردار است. در این پژوهش به منظور بررسی امکان پیش بینی بارش، رابطه ی بین مشخصات فیزیکی ابر حاصل از تصاویر سنجنده ی مادیس با محصول بارش از ماهواره ی trmm در بخشی از منطقه ی فلات مرکزی ایران مورد بررسی قرار گرفت. صحت سنجی داده های بـارش ماهواره ی ...

توانایی کم­نظیر شبکه­های عصبی مصنوعی به عنوان ابزاری قدرتمند برای تحلیل و برآورد در حوزه علوم تجربی و مهندسی موجب شد تا مورد توجه اقتصاددانان قرار گیرد. در این پژوهش، پس از مرور پژوهش­های انجام­شده در مورد توانایی پیش­بینی مدل­های خود توضیح جمعی میانگین متحرک (arima)[1]و شبکه­های عصبی مصنوعی(ann)[2] به مقایسه این دو روش برای پیش­بینی قیمت روزانه نفت در دوره آوریل 1983 تا ژوئن 2005 پرداخته­ایم. ...

خشکسالی پدیده­ای طبیعی است که می­تواند در هر جایی رخ دهد و خسارات قابل توجهی به بشر و سازه­های طبیعی وارد آورد. در این تحقیق به منظور پیش­بینی شاخص خشکسالیبارش استاندارد، از دو نوع شبکه­های عصبی­مصنوعی، پرسپترون چند لایه و تابع پایه­ی شعاعی و مدل­های سری­زمانی استفاده شد. به این منظور، در ابتدا مقادیر شاخص بارش استاندارد در دوره­های سه، شش، نه و دوازده ماهه­ی ایستگاه­های منتخب استان خوزستان محا...