مریم اسدی
دانشجوی دکتری آبخیزداری، دانشکده منابع طبیعی، دانشگاه تهران، ایرن
[ 1 ] - بررسی کارایی مدلهای مبتنی بر هوش محاسباتی در برآورد بار معلق رودخانهها (مطالعه موردی: استان گیلان)
آگاهی از میزان رسوب معلق رودخانهها یکی از مسائل اساسی در پروژههای آبی است که طراحان تأسیسات آبی همواره با آن روبرو بودهاند. با توجه به صرف هزینه و زمان طولانی جهت اندازهگیری بار معلق رودخانهها، استفاده از منحنیهای سنجۀ رسوب معمولترین روش برآورد بار رسوب معلق رودخانهها محسوب میگردد. این در حالی است که روشهای نوین مبتنی بر هوش مصنوعی و دادهکاوی در بسیاری از علوم مهندسی رخنه کرده است....
[ 2 ] - بررسی اثر مقیاس زمانی (روزانه، ماهانه و سالانه) در پیشبینی بار رسوب معلق
تعیین بار رسوبی معلق رودخانهها یکی از پروژههای مهم مهندسی رودخانه میباشد. پیشبینی بار رسوبی معلق کمک شایانی در زمینه مدیریت منابع آبی خواهد نمود. سوال اصلی در این تحقیق بررسی نقش انواع دادههای روزانه، ماهانه و سالانه در برآورد بار رسوبی با استفاده از مدلهای مبتنی بر یادگیری ماشین است. بدین منظور از آمار بار معلق در سه مقیاس زمانی روزانه، ماهانه و سالانه ایستگاه هیدرومتری اوهایو واقع در ای...
[ 3 ] - شاخصهای سنجش از دوری چه اندازه میتوانند موجب بهبود برآورد بار معلق شوند؟
در این پژوهش کارایی شاخصهای ماهوارهای و پارامترهای ژئومورفومتری در برآورد بار رسوبی با استفاده از مدلهای مبتنی بر هوش مصنوعی و دادهکاوی به چالش کشیده شده است. بدین منظور، نخست مدلها به کمک پارامترهای ژئومورفومتری مستخرج از مدل رقومی ارتفاعی و شاخصهای ماهوارهای بهینهسازی شد و نزدیکترین دادههای دبی و رسوب به زمان تصاویر ماهوارهای خروجی مدل درنظر گرفته شد. پس از اجرای الگوریتمها، به وز...
[ 4 ] - بهینهسازی مدلهای برآورد بار معلق به کمک پارامترهای زمین ریختشناسی و تکنیک کاهش ویژگی
برآورد بار رسوبی رودخانهها از مهمترین چالشهای مهندسی رودخانه محسوب میشود. به همین دلیل تاکنون مدلهای مختلفی با ساختارهای گوناگون جهت برآورد بار رسوبی ارائه گردیده است. در این مطالعه به بررسی کارایی پارامترهای ژئومورفومتری و تکنیکهای دادهکاوی بهمنظور پیشبینی بار رسوب معلق در 68 حوزه واقع در دو منطقهی متفاوت از ایران پرداختهشده است. به همین منظور شش مدل شبکه عصبی مصنوعی، رگرسیون خطی، K...
نویسندگان همکار