مرور دوره 3, شماره 4 بر اساس عنوان
در حال نمایش موارد 1 - 9 از 9
- 
ارائۀ روشی جدید بهمنظور ارزیابی آسیب پذیری آبخوان دشت مغان برمبنای ترکیب روش های دراستیک، سینتکس و اس آی. (دانشکده علوم و فنون نوین دانشگاه تهرانFaculty of New Sciences and Technologies, University of Tehran, 2016-12-21)رشد روزافزون جمعیت سبب افزایش فعالیتهای انسانی از جمله فعالیتهای کشاورزی و صنعتی شده و افزایش این فعالیتها و استفادۀ بیرویه از کودها، آفتکشها و حشرهکشها، موجب آلودگی خاک و آبهای زیرزمینی شده است. در این میان ...
 
- 
ارزیابی تغییرات مکانی و پهنهبندی کیفیت آب شرب و کشاورزی با استفاده از تکنیک زمینآمار و GIS (دانشکده علوم و فنون نوین دانشگاه تهرانFaculty of New Sciences and Technologies, University of Tehran, 2016-12-21)خصوصیات کیفی آب زیرزمینی ازجمله مؤلفههایی است که ضرورت توجه به آن در برنامهریزیهای مدیریت منابع آب بسیار پراهمیت است. در این مطالعه تغییرات الگوی مکانی کیفیت آب زیرزمینی از نظر شرب (برمبنای روش شولر) و کشاورزی (برمبنای ...
 
- 
ارزیابی مدل هیدرولوژی IHACRES در شبیهسازی دبی روزانه (مطالعۀ موردی رودخانههای پلرود و شلمانرود) (دانشکده علوم و فنون نوین دانشگاه تهرانFaculty of New Sciences and Technologies, University of Tehran, 2016-12-21)بهدلیل محدودیت اطلاعات آماری در بیشتر ایستگاهها و اقتصادینبودن جمعآوری اطلاعات مشاهدهای، شناخت نوعی مدل هیدرولوژی مناسب میتواند کمک بهسزایی در امر مدیریت منابع آب داشته باشد. مدل IHACRES با توجه به اینکه برای دادههای ...
 
- 
بررسی روند و مدل سازی خشکیدگی جریان با برآورد عدم قطعیت آن (مطالعۀ موردی: رودخانۀ بشار استان کهگیلویه و بویراحمد) (دانشکده علوم و فنون نوین دانشگاه تهرانFaculty of New Sciences and Technologies, University of Tehran, 2016-12-21)شاخۀ خشکیدگی نشاندهندۀ توازن شبکۀ رودخانه بین دریافتیها و هدررفتهای رودخانه است. منحنی خشکیدگی رابطۀ ذخیرهـ خروجی را برای خوشه نشان میدهد. هدف از پژوهش حاضر بررسی روند، مدلسازی خشکیدگی و برآورد عدم قطعیت مدلسازی ...
 
- 
بهبود عملکرد مدل شبکۀ عصبی مصنوعی با کمک تبدیل موجک و روش PCA برای مدلسازی و پیشبینی اکسیژن مورد نیاز بیولوژیکی (BOD) (دانشکده علوم و فنون نوین دانشگاه تهرانFaculty of New Sciences and Technologies, University of Tehran, 2016-12-21)در دهههای اخیر، توسعۀ مدلهای هوش مصنوعی برای پیشبینی پدیدههای هیدرولوژیکی کاربرد زیادی پیدا کرده است. در این مطالعه، توانایی مدلهای شبکۀ عصبی مصنوعی بهمنظور مدلسازی و پیشبینی اکسیژن مورد نیاز بیولوژیکی (BOD) در ...
 
- 
تأثیرپذیری رسوب معلق رودخانه از تغییرات کاربری اراضی در حوضۀ آبخیز دینور استان کرمانشاه (دانشکده علوم و فنون نوین دانشگاه تهرانFaculty of New Sciences and Technologies, University of Tehran, 2016-12-21)از تأثیرات مخرب تغییر کاربری اراضی یک حوضه، افزایش تولید رسوب و ورود آن به رودخانهها و تجمع آن در مخزن سدهاست. از اینرو، بررسی تأثیر تغییر کاربری اراضی بر فرایندهای هیدرولوژی امری مهم و ضروری است. این پژوهش با هدف بررسی ...
 
- 
عملکرد شبکۀ عصبی مصنوعی در پیش بینی و تحلیل فرایندهای هیدرولوژیک (مطالعۀ موردی: کمبود آب حوضۀ آبخیز نازلوچای در استان آذربایجان غربی) (دانشکده علوم و فنون نوین دانشگاه تهرانFaculty of New Sciences and Technologies, University of Tehran, 2016-12-21)بارش یکی از فرایندهای هیدرولوژیک است که تأثیر زیادی در کنترل مدیریت منابع آب دارد. کمبود بارش سبب بهوجودآمدن مشکلات فراوانی از جمله کمبود آب شرب میشود. بهعلت اهمیت مسئلۀ کمبود آب، استفاده از روشهای نوین بهمنظور ...
 
- 
مقایسۀ توابع یادگیری شبکۀ عصبی در مدلسازی رواناب (دانشکده علوم و فنون نوین دانشگاه تهرانFaculty of New Sciences and Technologies, University of Tehran, 2016-12-21)پیشبینی دقیق جریان در رودخانهها یکی از ارکان مهم در مدیریت منابع آبهای سطحی بهویژه اتخاذ تدابیر مناسب در مواقع سیلاب و بروز خشکسالیهاست. درحقیقت، حصول روشهای مناسب و دقیق در پیشبینی جریان رودخانهها را میتوان ...
 
- 
مقایسۀ نتایج برآورد هدررفت سالانۀ مدل RUSLE با داده های بهدستآمده از میخ ها و کرت های فرسایش در حوضۀ آبخیز معرف خامسان (دانشکده علوم و فنون نوین دانشگاه تهرانFaculty of New Sciences and Technologies, University of Tehran, 2016-12-21)پژوهش حاضر بهمنظور مقایسۀ هدررفت خاک سالانۀ برآوردی مدل RUSLE با اندازهگیریهای فرسایش بهدستآمده از میخها و کرتهای فرسایش در حوضۀ آبخیز معرف خامسان در استان کردستان انجام شد. بدینمنظور هدررفت خاک سالانه بهصورت ...
 



