برآورد پارامتریک نفوذ آب به خاک با استفاده از توابع انتقالی خاک، شبکه ی عصبی مصنوعی و زمین آمار
چکیده
چکیدهای برای این سند ثبت نشده است.
چکیدهای برای این سند ثبت نشده است.
چکیده پیش بینی تراز آب و شوری در مدیریت منابع آب زیرزمینی در سفره های ساحلی، بالاخص در مناطق خشک و نیمه خشک مانند کشور ایران اهمیت بسیار زیادی دارد و برنامه ریزی مناسب به منظور بهره برداری مطمئن از این منابع مستلزم وجود ابزار توانمند جهت پیش بینی پارامترهای فوق الذکر می باشد. در
اندازه گیری مستقیم خصوصیات هیدرولیکی و فیزیکی خاک وقت گیر، هزینه بر و گاهی اوقات به دلیل خطاهای آزمایشی و عدم یکنواختی خاک غیر واقعی است. در عوض، این خصوصیات می توانند به عنوان یک جایگزین از روی ویژگی های زودیافت خاک مانند توزیع اندازه ذرات، جرم مخصوص ظاهری و حقیقی، کربن آلی و کر
امروزه با کاربرد روز افزون اینترنت، امنیت شبکه تبدیل به یک شالوده کلیدی در کاربردهای وب مانند تجارت و غیره شده است. بنابراین محققان به کار در این زمینه پرداخته اند. بسیاری از آنها روش های مختلفی از الگوریتم های هوش مصنوعی از جمله شبکه های عصبی، الگوریتم ژنتیک و سیستم های خبره را
در بسیاری از حوزه های آبخیز کوهستانی برف انباشته شده در برفچال ها ذخیره قابل توجهی از منابع آب حوزه ها را ایجاد نموده است. پایش این رژیم هیدرولوژیکی، به ویژه بررسی توزیع مکانی ذخایر برفی از اساسی ترین نیازهای مدیران منابع آب محسوب می گردد. به دلیل سخت بودن و حتی در برخی موارد غیر
در این پایان نامه، کنترل وضعیت ماهواره در مدار زمین و با ارتفاع کم (leo) با استفاده از روش ترکیبی شبکه های عصبی مصنوعی و الگوریتم ژنتیک مورد مطالعه قرار گرفته است. عملگر استفاده شده برای کنترل وضعیت، چرخ های عکس العملی هستند. دینامیک ماهواره به صورت غیر خطی مدل و یک کنترلر تناسبی
مدل سازی منابع آب زیرزمینی به عنوان ابزاری در مدیریت منابع آب محسوب می شود. اندرکنش منابع آب سطحی و زیرزمینی همواره در بیلان منابع آب از اهمیت ویژه ای برخوردار بوده است. از طرف دیگر شبکه های عصبی مصنوعی ابزار قدرتمندی برای مدل سازی پارامترهای هیدرولوژیکی و آب زیرزمینی با در نظر گ
در این تحقیق کارایی روشهای متفاوت تجربی (کوینکا، اشنایدر، اورنگ، آلن و پرویت، مدل راگووانشی و والندر، اشنایدر اصلاح شده، پریرا) در مقایسه با شبکه عصبی مصنوعی (ANN) و سامانه استنتاج عصبی- فازی تطبیقی (ANFIS)در برآورد ضریب تشت رده A و تبخیر و تعرق گیاه مرجع، در یک اقلیم گرم و خشک
تعیین دقیق و مناسب پارامترهای خاک همواره در طراحیهای ژئوتکنیکی مورد توجه بوده است. پیش بینی دقیق پارامترهای تاثیرگذار ماسه از آزمایشات برجا نظیر (CPT)، یکی از چالشیترین مسایل در مهندسی ژئوتکنیک است. در این تحقیق با استفاده از نتایج آزمایش کالیبراسیون نفوذ مخروط که در دانشگاهها
در این مقاله از 2 روش شبکه عصبی مصنوعی (ANN) و درونیابی کریژینگ فراگیر جهت برآورد مکانی تغییرات سرعت پوسته زمین در ایران استفاده شده است. در هر 2 روش جهت تست و ارزیابی نتایج بدست آمده از 7 ایستگاه GPS که مقادیر سرعت آنها نسبت به صفحه اوراسیا معلوم بوده، استفاده شده است. میانگین خ
دراین پژوهش، توابع انتقالی و روشهای زمین آماری برای تخمین هدایت هیدرولیکی اشباع خاک با استفاده بافت خاک مورد مقایسه قرار گرفتند. دادهها از 196پروفیل خاک مربوط به مطالعات خاکشناسی و اصلاح اراضی سازمان جهاد کشاورزی استان اردبیل تهیه گردید. نتایج نشان داد که از میان روشهای مبتنی
دراین پژوهش، توابع انتقالی و روش های زمین آماری برای تخمین هدایت هیدرولیکی اشباع خاک با استفاده بافت خاک مورد مقایسه قرار گرفتند. داده ها از 196پروفیل خاک مربوط به مطالعات خاکشناسی و اصلاح اراضی سازمان جهاد کشاورزی استان اردبیل تهیه گردید. نتایج نشان داد که از میان روش های مبتنی
استفاده از شبکههای عصبی مصنوعی و توابع انتقالی رگرسیونی در برآورد ویژگیهای دیریافت خاک از جمله پایداری خاکدانهها، هزینه و زمان لازم برای اندازهگیری مستقیم این ویژگیها را کاهش میدهد. در این پژوهش 100 نمونه خاک از جنگلهای استان گیلان تهیه شد. ماده آلی، جرم ویژه ظاهری، کربنات کلسیم