نام پژوهشگر: مهدی گوران اوریمی

بررسی قابلیت پارامتر cprecip در منظور کردن اثر برف در مدل سازی جریان رودخانه به وسیله شبکه عصبی مصنوعی
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده فنی و مهندسی 1389
  مهدی گوران اوریمی   محمد باقر شریفی

آگاهی از کمیت آب رودخانه ها از اهمیت بالایی برخوردار است.یکی از روش های پیش بینی دبی رودخانه ها استفاده از شبکه های عصبی مصنوعی می باشد.همچنین یکی از پارامترهای موثر بر میزان دبی رودخانه ها برف است.با توجه به عدم دسترسی به داده های برف در درصد قابل توجه از حوضه ها در این رساله سعی بر جایگزینی برف با پارامترهای دیگر شده است.این پارامتر جایگزین باران تجمعی از اول نوامبر (cprecip) می باشد که به نوعی معرف برف انباشته شده می باشد.

بررسی امکان جایگزینی باران تجمعی(cprecip) در نیمسال دوم با آب معادل برف (swe) توسط مدل شبکه عصبی مصنوعی به منظور پیش بینی دبی روزانه رودخانه ( مطالعه موردی : رودخانه تالار در استان مازندران )
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده کشاورزی 1394
  زینب محمدی   بیژن قهرمان

پیش بینی جریان رودخانه به وسیله شبکه عصبی و تعیین پارامترهای موثر برای پیش بینی بهتر جریان رودخانه و همچنین بررسی پارامتر باران تجمعی بجای آب معادل برف در مناطقی که آمار و اطلاعات آبswe وجود ندارد.