با همکاری انجمن آبخیزداری ایران
ارزیابی مدلهای تلفیقی هوش مصنوعی در تخمین غلظت مواد جامد محلول در بالادست شهر ساری

علیرضا قائمی؛ مهدی اژدری مقدم؛ سارینا کیخا

دوره 16، شماره 1 ، فروردین 1403، ، صفحه 50-63

https://doi.org/10.22092/ijwmse.2023.358863.1975

چکیده
  مقدمه رودخانه‌ها، به‌عنوان منابع حیاتی طبیعت و پایه‌های اصلی توسعه پایدار شناخته می‌شوند. لذا، کمیت و کیفیت آب رودخانه‌ها جز پارامترهای ارزشمند محسوب می‌شوند. افزایش فعالیت‌های کشاورزی و صنعتی، باعث کاهش کیفیت منابع آب در بسیاری از نقاط شده است. تخلیه فاضلاب، زباله و کودهای شیمیایی در روستاهای حاشیه رودخانه‌ها از مهم‌ترین ...  بیشتر

تاثیر پارامترهای ورودی ریزمقیاس‌نمایی با روش هوش مصنوعی در تخمین پارامترهای هیدرولوژیکی، مطالعه موردی: ایستگاه سینوپتیک اردبیل

نگار عین اله زاده؛ اتابک فیضی؛ فرناز دانشور وثوقی

دوره 15، شماره 3 ، مهر 1402، ، صفحه 438-451

https://doi.org/10.22092/ijwmse.2022.358022.1963

چکیده
  مقدمه در سال­های اخیر، مواردی از قبیل رشد فعالیت­‌های صنعتی، از بین رفتن محیط ­زیست و غیره، منجر به افزایش گازهای گلخانه‌­ای و برهم خوردن تعادل اقلیمی شده است که این پدیده با عنوان تغییر اقلیم یاد می­‌شود. تاثیر منفی این پدیده در سامانه­‌های مختلفی همچون منابع آب، کشاورزی، صنعت و غیره، موجب نگرانی‌­هایی برای جوامع ...  بیشتر

پهنه‌بندی حساسیت فرسایش خندقی با استفاده از مدل‌های CART, ANN و RF

امید اسدی نلیوان؛ علیرضا رابط؛ فرزانه وکیلی تجره؛ مرضیه رمضانی؛ محمد مومنی؛ کهزاد حیدری

دوره 15، شماره 2 ، تیر 1402، ، صفحه 155-171

https://doi.org/10.22092/ijwmse.2022.356379.1920

چکیده
  مقدمهفرسایش خندقی یکی از انواع فرسایش آبی است که سهم زیادی در تخریب اراضی دارد و به‌­عنوان یکی از مهمترین مخاطرات محیطی در جهان و به­‌خصوص در ایران شناخته شده است. در سال­‌های اخیر، فن‌های یادگیری ماشینی و سامانه اطلاعات جغرافیایی در زمینه تعیین مناطق حساس به فرسایش خندقی دارای کارایی بالایی بوده­اند و باعث افزایش دقت و ...  بیشتر

شبیه‌سازی رسوب معلق رودخانه‌های کشور با استفاده از فناوری تلفیق مدل‌های هوشمند و سامانه مکانی متن‌باز، مطالعه موردی: ایستگاه هیدرومتری رازین، حوزه آبخیز رودخانه مزلقان در استان مرکزی

محمودرضا طباطبایی؛ امین صالح پور جم

دوره 12، شماره 4 ، دی 1399، ، صفحه 1089-1101

https://doi.org/10.22092/ijwmse.2020.341701.1766

چکیده
  روابط بین پارامترهای کیفی آب رودخانه و فرایندهای فیزیکی، ژئوشیمیائی و بیولوژیکی انجام­شده بین منابع حوضه (خاک، پوشش‌گیاهی، زمین‌شناسی، کاربری‌ اراضی و غیره)، متغیرهای هواشناسی (دما، بارش، ذوب‌ برف و غیره)، متغیر هیدرولوژیکی رودخانه (دبی) و همچنین دخالت‌های انسانی، اغلب بسیار پیچیده، غیر‌قطعی و غیرخطی بوده به­نحوی که درک ...  بیشتر

پیش‌بینی تراز سطح آب زیرزمینی آبخوان دشت ارومیه با استفاده از مدل هیبرید تبدیل موجک-ماشین یادگیری بیشینه و بهینه‌سازی با ازدحام ذرات کوانتومی

سعید افخمی فر؛ امیرپویا صراف

دوره 12، شماره 2 ، تیر 1399، ، صفحه 351-364

https://doi.org/10.22092/ijwmse.2019.126515.1669

چکیده
  امروزه با توجه به اهمیت بالای مدیریت پایدار آب­های زیرزمینی، برای بررسی و ارزیابی منابع آب از مدل‌سازی و پیش‌بینی تراز آب­‌های زیرزمینی (GWL) استفاده می‌­شود. هدف از این پژوهش، ارزیابی عملکرد دو مدل ماشین یادگیری بیشینه (ELM) و شبکه عصبی مصنوعی (ANN) و همچنین، تلفیق آن دو مدل با الگوریتم تبدیل موجک (W-ELM و W-) است که در نهایت برای بالا ...  بیشتر

ترکیب‌های بهینه متغیرهای هیدرولوژی برای مدل‌سازی بار رسوب معلق روزانه در حوزه آبخیز کرج

عادله علی‌جانپور شلمانی؛ علیرضا واعظی؛ محمودرضا طباطبایی

دوره 12، شماره 1 ، فروردین 1399، ، صفحه 228-243

https://doi.org/10.22092/ijwmse.2019.121319.1463

چکیده
  تحلیل داده‌­های بار رسوب معلق در رودخانه‌­ها اساس شناخت روند فرسایش و رسوب در بحث مدیریت و برنامه‌­ریزی منابع آب و خاک است. به‌­دلیل عدم دسترسی به داده‌­های بار رسوب معلق روزانه با اندازه­‌گیری مستقیم، استفاده از روش‌­هایی برای مدل­‌سازی و برآورد آن در حوزه‌­های آبخیز حائز اهمیت است. یکی از روش‌­های مناسب مورد ...  بیشتر

آزمون حافظه سیگنال سری زمانی و شبیه‌سازی فرایند بارش-رواناب با استفاده از مدل‌های شبکه عصبی و ترکیب موجک-عصبی

سعید فرزین؛ حمید میرهاشمی؛ حامد عباسی؛ زهره مریانجی؛ پیام خسروی‌نیا

دوره 11، شماره 4 ، دی 1398، ، صفحه 1059-1074

https://doi.org/10.22092/ijwmse.2018.116589.1397

چکیده
  ‌در پژوهش حاضر، حافظه بلندمدت و رفتار دینامیکی سیگنال سری زمانی جریان روزانه رودخانه خرم‌آباد که حوزه آبخیز آن کوهستانی و دارای کاربری شهری است، با استفاده از نمایه هرست بررسی شده است. مقدار نمایه هرست سیگنال رواناب رودخانه خرم‌آباد در بازه زمانی سال‌های 1370 تا 1393 برابر با 0.8 به‌دست آمد. این مقدار نشان از حافظه بلندمدت و دینامیک ...  بیشتر

کاربرد شبکه عصبی موجک در تخمین رسوبات معلق رودخانه‌ها، مطالعه موردی: رودخانه کشکان-لرستان

حسن ترابی پوده؛ احمد گودرزی؛ رضا دهقانی

دوره 11، شماره 3 ، مهر 1398، ، صفحه 650-660

https://doi.org/10.22092/ijwmse.2018.116846.1411

چکیده
  شبیه‌سازی و ارزیابی آورد رسوب رودخانه از جمله مسائل مهم در مدیریت منابع آب می‌باشد. اندازه‌گیری مقدار رسوب به روش‌های متداول عموماً مستلزم صرف وقت و هزینه زیادی بوده، گاهی از دقت کافی نیز برخوردار نیست. در این پژوهش برای تخمین رسوبات رودخانه کشکان واقع در استان لرستان، از شبکه عصبی موجک استفاده شد و نتایج آن با روش‌های مرسوم هوشمند ...  بیشتر

مقایسه روش‌های شبکه عصبی مصنوعی و رگرسیون چند متغیره در پهنه‌بندی خطر زمین‌لغزش، مطالعه موردی: حوضه ونک، استان اصفهان

کورش شیرانی؛ فرزاد حیدری؛ علیرضا عرب‌عامری

دوره 9، شماره 4 ، دی 1396، ، صفحه 451-464

https://doi.org/10.22092/ijwmse.2017.101725.1031

چکیده
  زمین‌­لغزش­‌ها از مهمترین خطرات طبیعی هستند که نه تنها زندگی انسان را به خطر می­‌اندازند، بلکه باعث ایجاد بار اقتصادی برای جامعه می­‌شوند. با توجه به اهمیت تشخیص مناسب­‌ترین روش برآورد صحیح خطر زمین‌­لغزش، در این پژوهش میزان کارایی دو روش شبکه عصبی مصنوعی و رگرسیون چندمتغیره مقایسه شد. بدین منظور ابتدا با استفاده از ...  بیشتر

پیش‌بینی پتانسیل‌تورمی خاک‌های مارنی حوضه دریاچه نمک

علیرضا مجیدی؛ غلامرضا لشکری‌پور؛ ضیاءالدین شعاعی

دوره 9، شماره 3 ، مهر 1396، ، صفحه 292-307

https://doi.org/10.22092/ijwmse.2017.112372

چکیده
  پتانسیل‌ تورمی خاک‌های ریزدانه از جمله عوامل موثر بر فرسایش و رفتار مکانیکی آن‌ها و همچنین از داده‌های ضروری در مراحل مطالعه، طراحی، اجرای و انتخاب مصالح اغلب سازه‌های مهندسی به خصوص سازه‌های هیدرولیکی هستند. در این پژوهش به‌منظور پیش‌بینی پتانسیل ‌تورمی خاک‌های ریزدانه مارنی از مدل شبکه عصبی مصنوعی پرسپترون چند لایه و الگوریتم ...  بیشتر