مناطق خشک و نیمه­خشک همواره با بحران آب مواجه بوده‌اند، به همین دلیل ذخایر هرچند اندک برفی در سرشاخه‌های کوهستانی این مناطق، نقش شایان توجهی در تغذیه و تعادل هیدرولوژیکی مناطق مذکور ایفا می‌کنند. چگالی برف از جمله پارامتر‌هایی است که به عنوان پارامتر مبدل عمق برف به آب معادل برف، اهمیت فراوانی دارد. در این مقاله، کارآیی یکی از روش­های هوش مصنوعی در شبیه‌سازی پراکنش مکانی چگالی برف در یکی از سرش...

آگاهی از روند متغیرهای کلان اقتصادی همواره برای اقتصاددانان، برنامه¬ریزان و سیاست¬گذاران اهمیت بسیاری داشته است. از این¬رو، همواره سعی شده¬است که پیش¬بینی این متغیرها با کمترین خطای ممکن صورت بگیرد. هدف مطالعه حاضر، مقایسه مدل¬های پیش¬بینی تک¬متغیره شامل روش¬های اقتصادسنجی و شبکه¬های هوش¬مصنوعی برای پیش¬بینی رشد بخش کشاورزی ایران است. بدین منظور روش¬های، اقتصادسنجی مدل خودرگرسیون میانگین متحرک ...

زمینه و هدف: عدم قطعیت پارامترهای صحرایی، نویز در داده­های مشاهداتی و شرایط مرزی نامشخص از مهم‌ترین عوامل محدود کننده در مدل‌سازی جریان و انتقال آلودگی در محیط‌های متخلخل است. روش بررسی: در این تحقیق، دشت میاندوآب به‌عنوان مطالعه موردی برای شبیه­سازی تراز آب زیرزمینی و غلظت کلراید انتخاب شد. برای مدل‌سازی زمانی انتقال آلودگی از روش‌های هوش مصنوعی استفاده شد. د...

قسمت اعظم مساحت کشور از لحاظ جغرافیایی در کمربند خشک و نیمه‌ خشک با بارندگی کم قرار گرفته است. رشد روز افزون جمعیت و محدودیت منابع آبی و استفاده بیش از قبل از منابع آب زیرزمینی در بیشتر نقاط کشور، پیش بینی دقیق مقدار این منابع را به دلیل اهمیت در برنامه ریزی و مدیریت بهینه می‌طلبد. در این تحقیق به منظورتخمین نوسانات سطح آب زیرزمینی آبخوان باروق در استان آذربایجان غربی و محدوده مطالعاتی میاندوآب...

در این پایان نامه رهیافتی برای تشخیص خودکار نوع مدولاسیون های دیجیتال بر اساس مفاهیم هوش مصنوعی ارائه شده است. جهت تشخیص نوع مدولاسیون بکار رفته در سیگنال های مخابراتی دو روش وجود دارد: "تئوری آشکار سازی" و "تشخیص الگو یا استخراج ویژگی ها". رهیافت موجود در این پایان نامه بر اساس روش تشخیص الگو با استفاده از شبکه های عصبی مصنوعی ارائه شده است و توانایی تشخیص مدولاسیون های پرکاربرد bask، bfsk، bp...

در این رساله هسته اصلی مباحث بر روی بهره گیری از ابزار محاسبات نرم به ویژه هوش مصنوعی، تبدیل موجک به همراه مفهوم آنتروپی برای مدلسازی کمی و کیفی منابع آب زیرزمینی با در نظر گرفتن روش خوشه بندی و اطلاع از روابط بین فرآیندهای هیدرولوژیکی (روابط بین بارش، رواناب و تراز یا کیفیت آب زیرزمینی) متمرکز شده است. به بیان دیگر مدلسازی و برآورد منابع آب زیرزمینی با مدل های مختلف خطی و غیرخطی صورت پذیرفته ا...

ارزیابی آسیب‌پذیری آبخوان به منظور تعیین مناطق دارای پتانسیل آلودگی برای مدیریت منابع آب‌زیرزمینی از اهمیت بالایی برخوردار است. در این تحقیق، با استفاده از مدل دراستیک ارزیابی آسیب‌پذیری آب زیرزمینی در آبخوان دشت مراغه- بناب برآورد شده است. در مدل دراستیک از پارامترهای مؤثر در ارزیابی آسیبپذیری سفرۀ آب زیرزمینی شامل ژرفای سطح ایستابی، تغذیه، جنس سفره، نوع خاک، شیب توپوگرافی، مواد تشکیل‌دهندة م...

مدیریت آبخوان همانند هر سیستمی نیاز به شناخت کامل آن و پیش بینی شرایط آیند? آن دارد که این کار با مدلسازی سیستم مورد نظر امکان پذیر است. امروزه روش معمول در مدلسازی منابع آب استفاده از مدلهای عددی است. در دهه های اخیر به سبب پیچیدگی و خصوصیات غیرخطی سیستمهای آب زیرزمینی مدلهای هوش مصنوعی در مدلسازی و مدیریت آبخوانها مورد آزمایش قرار گرفته اند. هدف این تحقیق استفاده و مقایسه مدلهای عددی و هوش مص...

هدف از تحقیق حاضر مدل‌سازی توزیع آرسنیک در دشت چهاردولی با استفاده از زمین‌آمار، منطق فازی و برنامه‌ریزی بیان ژنتیک (GEP) می‌باشد. بدین منظور گروه زمین‌شناسی دانشگاه تبریز در مهر 1393 اقدام به نمونه‌برداری از منابع آب زیرزمینی این دشت نمود. که نتایج حاصل حاکی از غلظت‌های بالای آرسنیک در منطقه می‌باشد. پارامترهای هیدروشیمیایی شامل آرسنیک و سیلیس، پتاسیم و سدیم که همبستگی بالایی با مقادیر آرسنیک ...