فریدون رادمنش
دانشیار گروه هیدرولوژی و مهندسی منابع آب، دانشگاه شهید چمران اهواز
[ 1 ] - پیشبینی گروهی جریان با استفاده از مدل هیبرید بارش رواناب (مطالعه موردی حوضه آبریز رود زرد)
یکی از مهمترین اطلاعات در بهرهبرداری مطلوب از منابع آب، اطلاعات مربوط به پیشبینی آبدهی در آینده است. دراستفاده از اطلاعات پیشبینی جریان در نظر گرفتن عدم قطعیتهای موجود از اهمیت به سزایی برخوردار است. پیشبینی گروهی جریان یکی از روشهایی است که عدم قطعیت پیشبینی به دلیل عدم اطلاعات دقیق پدیدههای هواشناسی را پوشش میدهد. هدف از این تحقیق تولید و ارزیابی پیشبینی گروهی جریان ماهانه برای حوض...
[ 2 ] - بهبود عملکرد مدل شبکۀ عصبی مصنوعی با کمک تبدیل موجک و روش PCA برای مدل‌سازی و پیشبینی اکسیژن مورد نیاز بیولوژیکی (BOD)
در دهههای اخیر، توسعۀ مدل‌های هوش مصنوعی برای پیشبینی پدیدههای هیدرولوژیکی کاربرد زیادی پیدا کرده است. در این مطالعه، توانایی مدل‌های شبکۀ عصبی مصنوعی به‌منظور مدل‌سازی و پیشبینی اکسیژن مورد نیاز بیولوژیکی (BOD) در رودخانۀ کارون واقع در غرب کشور ایران ارزیابی شد. به‌منظور بهبود نتایج شبیه‌سازی از آنالیز موجک به‌عنوان مدل ترکیبی استفاده شد. سری زمانی ماهانۀ شاخص BOD رودخانۀ کارون در ایستگاه ...
[ 3 ] - استفاده ترکیبی از تبدیل موجک و مدل‌های هوشمند در شبیه‌سازی جریان رودخانه (مطالعه موردی: رودخانه‌های کاکارضا و سراب صیدعلی)
چکیده بیشک اولین قدم برای مدیریت منابع آب پیشبینی و برآورد جریان رودخانه‌ها است. در این مطالعه به منظور پیشبینی سری زمانی جریان روزانه و ماهانه ایستگاه‌های کاکارضا و سراب صیدعلی، مدل‌های شبکه عصبی مصنوعی و سیستم استتتاج فازی عصبی تطبیقی استفاده شده است. به منظور بهبود نتایج شبیه‌سازی از آنالیز موجک به عنوان مدل ترکیبی استفاده شد. برای این هدف، سری زمانی جریان و بارش به...
Co-Authors