سید مصطفی بیآزار
دانشجوی دکتری مهندسی منابع آب، دانشکدۀ کشاورزی، دانشگاه تبریز
[ 1 ] - استفاده از تئوری آنتروپی و آزمون گاما در تعیین متغیرهای ورودی برای تخمین تبخیر روزانه (مطالعۀ موردی: ایستگاه های سینوپتیک رشت، بندرانزلی و آستارا)
در این تحقیق قابلیت تئوری آنتروپی و آزمون گاما برای تعیین ورودی مدلهای شبکۀ عصبی مصنوعی و ماشین بردار پشتیبان به منظور تخمین تبخیر ایستگاههای سینوپتیک رشت، آستارا و بندر انزلی در استان گیلان بررسی شده است. با توجه به نتایج پژوهش، برای ایستگاههای سینوپتیک رشت، آستارا و انزلی، تئوری آنتروپی وجود همۀ متغیرها را در مدلسازی مؤثر تشخیص داده است. آزمون گاما برای ایستگاه رشت دو متغیر رطوبت حداکثر و...
[ 2 ] - تخمین پارامترهای کیفی آبخوان دشت گیلان با استفاده از آزمون گاما و مدل-های ماشین بردار پشتیبان و شبکه عصبی مصنوعی
زمینه و هدف: اطلاع از نحوه توزیع پارامترهای کیفی و کمی از مهمترین پارامترهای اولیه مدیریت جامع منابع آبزیرزمینی میباشد. بنابراین در این تحقیق سعی گردید، مدل و ترکیب ورودی مناسب جهت تخمین پارامترهای کیفی هدایت الکتریکی (EC)، یون کلسیم (Ca) و یون سدیم (Na) آبخوانهای دشت گیلان تعیین گردد. روش بررسی: در این تحقیق از دادههای 132 چاهک مشاهداتی در دوره آما...
[ 3 ] - Uncertainty of Artificial Neural Networks for Daily Evaporation Prediction (Case Study: Rasht and Manjil Stations)
This research uses the multilayer perceptron (MLP) model to predict daily evaporation at two synoptic stations located in Rasht and Manjil, Guilan province, in north-west of Iran. Initially the most important combinations of climatic parameters for both of the stations were identified using the gamma test; and daily evaporation were modeled based on the obtained optimal combination. The results...
Co-Authors