مقایسه کارایی روش های شبکه عصبی مصنوعی و برنامه ریزی بیان ژن برای پیش بینی سطح ایستابی در مناطق خشک و نیمه خشک (مطالعه موردی: دشت جیرفت)
مدل سازی و پیش بینی سطح ایستابی چاه ها یکی از کار های اساسی برایرسیدن به مدیریت بهینه منابع آب می باشد. یکی از راه های پیش بینی سطح آب زیرزمینی استفاده از تکنیک های هوش مصنوعی نظیر شبکه عصبی مصنوعی و برنامه ریزی بیان ژن می باشد. هدف از این پژوهش بررسی کارایی روش شبکه عصبی مصنوعی و برنامه ریزی بیان ژن در پیش بینی سطح ایستابی آب زیرزمینی آبخوان دشت جیرفت می باشد. به این منظور از داده های سطح ایستابی 65 چاه موجود در آبخوان دشت جیرفت برای یک دوره یازده ساله استفاده شد. سطح ایستابی چاه ها توسط هر یک از تکنیک های شبکه عصبی و برنامه ریزی بیان ژن به طور جداگانه شبیه سازی شد و در انتها از آماره های ریشه میانگین مربعات خطا، میانگین مطلق خطا، شاخص تطابق و R2</sup> برای تعیین دقت پیش بینی هر کدام از روش ها استفاده شد. نتایج این پژوهش کارایی و دقت بالای هر دو تکنیک شبکه عصبی و برنامه ریزی بیان ژن را در پیش بینی سطح ایستابی چاه های منطقه نشان داد. ضریب همبستگی در روش شبکه عصبی مصنوعی برابر با 96/0 و در روش برنامه ریزی بیان ژن برابر با 72/0 شد که نشان دهنده این است روش شبکه عصبی مصنوعی در این تحقیق دقت بالاتری را در پراکنش داده های دشت جیرفت طی سال های 1381-1391 دارا می باشد.
-
شبیه سازی سناریوهای تغییرات اقلیمی با استفاده از مدل های CMIP6 (مطالعه موردی: حوزه آبخیز طالقان)
پروین محمدی، *، علی سلاجقه، مجتبی نوری، حامد رفیعی
نشریه مدیریت جامع حوزه های آبخیز، پاییز 1403 -
برآورد ضریب زبری مانینگ به روش حل معکوس با استفاده از داده های مشاهداتی (مطالعه موردی: رودخانه سانیج-یزد)
مهتاب علیمرادی، محمدرضا اختصاصی*،
پژوهشنامه مدیریت حوزه آبخیز، بهار و تابستان 1403