سیل یکی از بلایای طبیعی مهمی است که همه‌ ساله باعث ایجاد خسارت‌های مالی و جانی فراوانی به جوامع </st...

چکیده مبسوطسابقه و هدف اطلاع وآگاهی از سرعت معدنی شدن نیتروژن مواد آلی عامل بسیار مهمی برای مدیریت و تعیین نیاز کودی نیتروژن مورد نیاز گیاهان می-باشد. پیش‌بینی فراهمی نیتروژن برای دوره رشد گیاه از منابع مختلف کودی در ارتقاء کارایی کودها و همچنین کاهش آلودگی‌های زیست محیطی نقش مهمی دارد (24). عوامل محیطی مانند دما و رطوبت مهم‌ترین عواملی هستند که بر روی فرآیند‌های رهاسازی نیتروژن اثر می‌گذارند. ...

جهت بررسی کیفیت آب زیر زمینی تهران با توجه به برداشت 10 سال گذشته از پارامتر های هیدروشیمیایی مربوط به 71 نقطه مختلف از شهر تهران سه مدل مختلف شبکه عصبی مصنوعی با تعداد پارامتر های مختلف ورودی و خروجی پارامتر رسانایی الکتریکی تعریف گردید. مشاهده می شود که به جهت تخمین پارامتر رسانایی الکتریکی با سعی و خطای فراوان تابع محرک تانژانت با تابع آموزش مومنتم دارای خطای کمی خواهند بود. با کمتر کردن مقد...

برآورد شاخص جریان پایه، همواره یکی از موضوعات مهم در هیدرولوژی بوده و اطلاع از میزان آن نقش مهمی در مدیریت بهینه منابع آب دارد. فرایند جداسازی جریان پایه، اغلب با استفاده از داده‌های جریان روزانه انجام می‌شود. عدم پوشش کامل سری زمانی داده‌های روزانه برای کل کشور محدودیت‌هایی را برای برآورد جریان پایه و شاخص مربوطه ایجاد می‌کند. در این تحقیق، شاخص جریان پایه با استفاده از جریان روزانه و ماهیانه،...

یکی از موضوعات مهم در بحث کیفی رودخانه‏‌ها پیش‌‏بینی میزان مواد جامد محلول در آب می‏‌باشد. در این پژوهش، عملکرد مدل‏‌های هوشمند ماشین بردار پشتیبان با توابع هسته مختلف، برنامه‌‏ریزی بیان ژن و شبکه بیزین برای پیش‌‏بینی میزان مواد جامد محلول در آب رودخانه کشکان مورد بررسی قرار گرفت. بدین‏ منظور، از داده‏‌های کیفی ایستگاه پلدختر واقع در استان لرستان، شامل هیدروژن کربنات، کلرید، سولفات، منیزیم، کلس...

هدف: هدف اصلی این مطالعه مقایسه مدل‌های رشد لجستیکی هاروی، هاروی، شبکه عصبی غیرخطی اتورگرسیو و طراحی و یافتن مدلی بهینه با دقت پیش‌بینی بهتر برای داده‌های شاخص کل بورس تهران است که این مدل وابستگی زیادی به مقادیر گذشته خود دارد، پرنوسان است و روند حرکتی غیرخطی دارد که تاکنون مغفول مانده است. روش: در این پژوهش با به‎کارگیری مدل‌های رشد «لجستیک هاروی» و «هاروی» و افزودن جزء غیرخطی بر اساس بسط سری...

تبخیر و تعرق یکی از مهمترین عوامل اتلاف آب می­باشد. تبخیر و تعرق یک پدیده پیچیده­ای است که به عوامل و داده­های زیادی بستگی دارد، بنابراین برآورد دقیق میزان تبخیر و تعرق، بسیار مشکل و پرهزینه می­باشد. هدف از این مطالعه برآورد تبخیر و تعرق با استفاده از الگوریتم توازن انرژی سطحی برای زمین (سبال) و همچنین ارزیابی عملکرد شبکه­های عصبی مصنوعی در برآورد تبخیر و تعرق   می­باشد. جهت محاسبه میزان سبال ت...

اگر چه درک بهتر و انتخاب مناسب­تر مقیاس مدل رقومی ارتفاع به بهبود پیش­بینی­های خاک کمک خواهد کرد، اما اثرات تعاملات بین اندازه پیکسل و پنجره به تفصیل بررسی نشده است. در این تحقیق، سعی شده است تا نقش مقیاس مکانی بر روی کارایی پیش­بینی درصد رس خاک از طریق آزمودن تجربی تعاملات بین درجه وضوح پیکسل و اندازه پنجره با استفاده از مدل رگرسیون درختی ارزیابی شد. بدین منظور، در دو منطقه متفاوت از لحاظ ژئوم...

جهت بررسی کیفیت آب زیر زمینی تهران با توجه به برداشت 10 سال گذشته از پارامتر های هیدروشیمیایی مربوط به 71 نقطه مختلف از شهر تهران سه مدل مختلف شبکه عصبی مصنوعی با تعداد پارامتر های مختلف ورودی و خروجی پارامتر رسانایی الکتریکی تعریف گردید. مشاهده می شود که به جهت تخمین پارامتر رسانایی الکتریکی با سعی و خطای فراوان تابع محرک تانژانت با تابع آموزش مومنتم دارای خطای کمی خواهند بود. با کمتر کردن مقد...

جذب آب توسط ریشه عامل مهمی در پیش­بینی تعرق گیاه و عملکرد محصول به شمار می­رود. به طور کلی مدل­های جذب آب ریشه به دو گروه کلان (تجربی) و خرد (فیزیکی) تقسیم­بندی می­شوند. مدل­های فیزیکی به پارامترهای هیدرولیکی بیشتری نیاز دارند، در حالی که مدل­های تجربی ساده­تر و به اطلاعات ورودی کمتری نیاز دارند. هدف از این پژوهش مقایسه عملکرد دو مدل­ تجربی و یک مدل فیزیکی برای پیش­بینی جذب آب ریشه در گیاه گوجه...