اسماعیل اسدی
استادیار گروه مهندسی منابع آب دانشگاه تبریز
[ 1 ] - بررسی عملکرد الگوریتم هیبریدی کرم شب تاب و شبکه عصبی مصنوعی در شبیه سازی مقادیر تبخیر روزانه
شبیه سازی فرایند تبخیر امری بسیار مهم در برنامه ریزی و مدیریت منابع آب می باشد و به دلیل پیچیدگی فرایند تبخیر، تعیین دقیق این پارامترهای آن مستلزم استفاده از روشهای دقیقی است که با دقت قابل قبولی بتواند این فرایند را شبیه سازی کند. با استفاده از روش هیبریدی شبیه سازی و بهینه سازی می‌توان فرایند تبخیر را با دقت بالایی شبیه سازی کرد. در این پژوهش با استفاده داده های تبخیر روزانه ایستگاه سینوپتیک ...
[ 2 ] - استفاده از تحلیل مولفه اصلی برای تعیین ورودی‌های موثر بر تخمین بارش به کمک شبکه عصبی مصنوعی و ماشین بردار پشتیبان
مدیریت نزولات جوی و استفاده بهینه از این منابع کمک شایانی به مدیریت منابع آب میکند و همچنین در مدیریت منابع آب تخمین پارامتر هیدرولوژیکی نقش اساسی دارند. در این تحقیق تخمین بارش سه ایستگاه سینوپتیک آستارا، لاهیجان و جیرنده واقع در استان گیلان با استفاده از شبکه عصبی مصنوعی (ANN) و ماشین بردار پشتیان (SVM) انجام گرفته است. از روش تحلیل مؤلفه اصلی (PCA) برای پیش پردازش داده ها و تعیین داده ها...
[ 3 ] - استفاده از آزمون گاما در پیش‌پردازش داده‌ها جهت مدل‌سازی سری‌های زمانی بارش
انتخاب ورودی‌های مناسب برای مدل‌های هوشمند از اهمیت به سزایی برخوردار است. زیرا باعث کاهش هزینه و صرفه‌جویی در وقت و افزایش دقت و کارایی مدل‌ها می‌شود. هدف از این مطالعه، کاربرد آزمون گاما برای انتخاب ترکیب بهینه متغیرهای ورودی که شامل تاخیرهای بارش، در مدل‌سازی سری زمانی بارش می‌باشد. سری زمانی ماهانه بارش در دوره زمانی 1383تا 1393 برای ایستگاه سینوپتیک رشت مورد استفاده قرار گرفت. پارامتر بار...
نویسندگان همکار