دوره تخصصی کاربرد مدل سازی هوش مصنوعی در مهندسی آب / ماه دانش عطران

0

طول دوره: 8 ساعت

بسته آموزشی: 130 هزار تومان

گواهینامه: 80 هزار تومان

معرفی

در چند دهه اخیر اندیشه بالنده شبیه‌سازی سیستم‌‎های بیولوژیکی همانند عملکرد مغز انسان، سیر تکامل انسان‌‌ و… محققان و دانشمدان را بر آن داشته است كه از این الگوریتم‌ها به عنوان بهترين الگو براي تشخيص وقايع پيرامون نظر گرفته می‌شوند استفاده کنند. دانشمندان در تلاش‌اند تا با درك اصول و ساز و كارهاي محاسباتي مغز انسان كه عملكرد بسيار سريع و دقيقي را دارا مي‌باشد، سيستم‌هاي عصبي مصنوعي را شبيه‌سازي نمايند. همچنین سعی فراوانی بر روی شناسایی نظم و سیستمی که انسان را در طول چندین میلیون سال به این تکامل رسانده است در قالب الگوریتم‌های ژنتیک وجو داشته است.

با توجه به غيرخطي بودن بسياري از مسائل موجود در حوضه هيدرولوژي و مديريت منابع آب، متخصصان آب از شبکه عصبي مصنوعي براي مدل‌سازي بارش-رواناب، پيش‌بيني جريان رودخانه، تخمين سطح آب‌هاي زيرزميني، پيش‌بيني بارش و سري‌هاي زماني هيدرلوژيکي و بهره‌برداري از مخازن استفاده کرده‌اند.

مدل‌سازي بارش-رواناب به وسيله شبکه عصبي مصنوعي براي اولين بار توسط هف (1993) با در نظر گرفتن هيتوگراف بارش به عنوان ورودي و هيدروگراف جريان به عنوان خروجي صورت گرفت.

در سال‌هاي اخير، سيستم‌هاي متفاوتي گسترش يافته‌اند، الگوريتم‌هاي قدرتمندي كه از سير تكاملي طبيعي الهام گرفته‌اند و مي‌توانند برای موضوعات مختلف بكار گرفته شوند.

ويغام و كراپر (2001) كاربرد برنامه‌ريزي ژنتيك در كشف رابطه بارش- رواناب براي دو حوضه مختلف گلان تيفي  و بارابا  را نشان دادند.

لوپز و وينرت (2004) سيستم برنامه‌ريزي بيان ژن را براي مدلسازي سري‌هاي زماني به كار بردند.

سینگ و همکاران (2007) به منظور مدل سازی انتقال بار معلق، دو روش شبکه عصبی مصنوعی و برنامه ریزی ژنتیک را مورد بررسی قرار دادند.

سيواپراگاسم و همكاران (2007) تكنيك برنامه‌ريزي ژنتيك را براي پيش‌بيني جريان‌هاي دوهفته‌اي تا 4 برابر اين دوره زماني در طول 11 سال در رودخانه پرييار  بكار بردند.

آيتك و همكاران (2008) دو روش شبكه‌هاي عصبي مصنوعي وبرنامه ریزی بیان ژن را براي مدل سازي بارش- رواناب در حوضة رودخانه جونياتا در ايالت پنسيلوانياي آمريكا به كار بردند.

در طول دو دهه گذشته از تبديل موجک به عنوان ابزاري براي تحليل، تجزيه، نويزگيري  و مقايسه سري‌هاي زماني هيدرولوژيکي استفاده شده است. ونگ و دينگ (2003)  کاربرد تبديل موجک را در شبيه‌سازي جريان روزانه رودخانه و سطح آب‌هاي زيرزميني به صورت ماهانه با استفاده از شبکه سه لايه شبکه عصبي مصنوعي و الگوريتم آموزش BP مورد بررسی قرار داد.

 

سرفصل‌ها

  1. مقدمات در مدل‌سازی

  2. پیشپردازش سری های زمانی

  3. تئوری و کاربرد روش شبکه عصبی مصنوعی (مدل‌سازی جریان روزانه با نرمافزار Matlab)

  4. تئوری و کاربرد روش برنامه‌ریزی ژنتیک (مدل‌سازی بارش-رواناب به صورت روزانه با نرمافزار GenXpro)

  5. مقایسه عملکرد روش‌ها در مدل‌سازی ماهانه و پیش‌بینی بار رسوب

  6. تئوری و کاربرد پیش‌پردازش موجک در مدل‌سازی هوشمند

 تخفیف ها

کارت دانشجویی 20% تخفیف

معرفی­نامه از شرکت­های دولتی و خصوصی 15%  تخفیف

 توجه

گواهی بین المللی INFOHR با هزینه جداگانه (25 یورو)

 

نحوه ثبت نام:

  • واریز مبلغ به یکی از حساب­های زیر:

1) شماره حساب:  ۰۱۵۹۰۰۱۰۰۰۰۴۹۶۸  بانک قوامین (شماره کارت  4818-6125-9911-6395) – بنام شرکت ماه دانش عطران

2) درج نام و نام خانوادگی شرکت کننده به همراه شماره تلفن بر روی فیش

3)  ارسال تصویر فیش واریزی به ایمیل info@mdatran.com یا شماره فکس 89779269 (021)

4) عضویت در سامانه کاربران و درج آدرس و مشخصات

کسب اطلاعات بیشتر: 66191000-021

درگاه پرداخت شرکت مهندسی ماه دانش عطران

 

اشتراک:

درباره نویسنده

نظرات بسته اند