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...

ارزیابی و اندازه گیری مقدار رسوب خروجی از حوضه های آبخیز و یا برآوردهای نزدیک به واقعیت این عامل یکی از اهداف اصلی مطالعات فرسایش و رسوب می باشد. جهت پیش بینی و شناخت حوادث و پدیده فرسایش و رسوب از مدلهای مختلفی استفاده می شود که بسته به هدف مطالعه و آمار موجود می توان مدل مناسبی را انتخاب نمود. در مطالعه حاضر با استفاده از مدل کامپیوتری ‏‎sedimot ii‎‏ ، تولید رسوب در حوضه مورد مطالعه مورد ارزی...

از مهمترین عوامل تصمیم­گیری در احداث سازه­های رودخانه­ای و تعیین عمق مفید سد­ها داشتن داده­ای دقیق از میزان رسوب حمل شده توسط رودخانه­ها است. روش­های چندی برای محاسبه برای بار معلق رودخانه­ها پیشنهاد شده است. یکی از این روش­ها، روش هیدرولوژیکی منحنی سنجه رسوب است. از خطا­های عمده روش مذکور عدم لحاظ اختلاف­های فصلی می­باشد. بر این اساس هدف از تحقیق حاضر ارزیابی اثر ارائه منحنی سنجه رسوب در دوره­...

در شبکه‌های عصبی مصنوعی (ANN) روش‌های موجود آموزش و واسنجی عصبی بر اساس ساختار پرسپترون چندلایه‌ای می باشد، لیکن این روش‌ها دارای مشکلات ناشی از عدم همگرایی در روش‌های یادگیری، عدم ثبات اوزان شبکه در شرایطی که طیف داده های ورودی دارای انحراف معیار بزرگ بوده و بالاخره نیاز به داده و اطلاعات فراوان جهت آموزش شبکه می باشند. برای غلبه بر مشکلات فوق در این تحقیق روش جدید ترکیبی شبکه عصبی مصنوعی – به...

به­منظور اجرای برنامه ‍ های حفاظت خاک و کاهش رسوب ‍ زایی، همچنین محاسبه و طراحی دقیق حجم مخزن سد در احداث سدهای مخزنی، ضرورت دارد که میزان تولید رسوب در یک حوزه آبخیز، ارزیابی و برآورد گردد. بطورکلی پدیده فرسایش و انتقال رسوب از پیچیده­ترین مسائل هیدرودینامیکی است که تعیین دقیق معادلات حاکم بر آن بدلیل اثرات پارامترهای مختلف، به آسانی میسر نیست. حتی اگر مدلی ریاضی نیز تبیین شود، دسترسی به داده­...

هر ساله هزاران تن خاک مناسب و با ارزش از سطح حوزه های آبخیز فرسایش می یابد و قسمتی از آن به صورت رسوبات معلق وارد شبکه هیدروگرافی می شود و از حوزه خارج می شود. یکی از نیازهای طراحی در پروژه های آبخیزداری و حفاظت آب و خاک، برآورد رسوبات معلق است. برای برآورد رسوبات معلق از مدل های مختلفی استفاده می شود. مدل ارائه شده مدلی برای برآورد رسوبات معلق می باشد. این مدل بر اساس شبکه عصبی مصنوعی ساخته شد...

استفاده از هوش مصنوعی یا شناسایی الگو (Pattern Recognition (PR)) در تفسیر داده‌های ژئوفیزیکی و یا دیگر علوم زمین چند سالی است که به‌ویژه با ورود شبکه عصبی در این عرصه مطرح شده است. در روش شبکه عصبی  و دیگر روش‎های شناسایی الگو و از جمله در روش رده‌بندی کننده بردار حمایت‌شده (Support Vector Classifier (SVC)) که در این پژوهش از آن استفاده شده است، با استفاده از مقادیر مشخصه‌های استخراج‌شده از ساخ...

     تخمین دمای خاک یکی از مسائل مهم در برنامه‌ریزی طرح‌های بیابان‌زدایی، مدیریت منابع آب و استقرار پوشش گیاهی در مناطق خشک است. هدف از این پژوهش، مقایسه دقّت روش‌های هوش مصنوعی در برآورد دمای روزانه خاک با استفاده از داده‌های هواشناسی (دمای حداقل و حداکثر روزانه، ساعات آفتابی و تبخیر از تشتک) در شهرهای زابل و شیراز و شناخت عوامل دارای تأثیر بیشتر بر دمای خاک بود. بدین‌منظور با استفاده از داده‌ه...