برنامه نویسی پایتون :: بیسین - سایت تخصصی مهندسی آب

ابزار وبمستر

Bootstrap Example

عضويت در خبرنامه ايـميـل پايگاه بيسيــن - عضويت پس از کليک بر روي لينک فعال سازي که براي شما ارسال خواهد شد تکميل مي شود

پشتيباني شده با بيسين

مدلسازی آب های زیر زمینی منطقه ای با MODFLOW و Flopy


مدل سازی منطقه ای آب های زیرزمینی یک وظیفه مهم در مدیریت آب استراتژیک است که شامل تمام کاربران، فعالیت ها و اکوسیستم های مربوطه و استفاده پایدار از شرایط فعلی و آینده است. برخی از ملاحظات خاص در مورد مدلسازی منطقه ای با توجه به تقسیم بندی اولیه و فضایی وجود دارد؛ یک مدل منطقه ای در نظر گرفته نشده است که پاسخ منطقه آبخوان را برای منطقه مشخص تعیین کند، در عوض شامل ارزیابی جریان آب های زیرزمینی منطقه و اندازه گیری شارژ، تخلیه و سایر فرآیندهای موجود در تعادل آب است.


مثال پایه ای از مدل سازی نفوذ آب شور با SEAWAT و Flopy


SEAWAT یک مدل توسعه یافته توسط USGS برای شبیه سازی چگالی جریان آب زیرزمینی سه بعدی با انتقال شوری و گرما است. این نرم افزار بر اساس MODFLOW-2000 و MT3DMS است و در آخرین نسخه آن می تواند تغییرات ویسکوزیته را شبیه سازی کند و زمان اجرای سریع تر را فراهم کند. SEAWAT در Flopy، کتابخانه پایتون برای ساخت، اجرا و نمایش مدل MODFLOW اجرا می شود. این آموزش دارای جریان کاری کامل برای ایجاد و ارائه مثال پایه ای از ابزار سالین با SEAWAT و Flopy در یک نوت بوک Jupyter است.


آموزش تعریف جهت جریان در یک مدل MODFLOW با پایتون و Flopy


نشان دادن مسیر جریان آب زیرزمینی برای درک شرایط واقعی و پیش بینی شده رژیم جریان آب زیرزمینی مفید است. این جهت و بزرگنمایی جهت و  چشم انداز سریع جریان های اصلی آب زیرزمینی و بین خطوط منابع و نقاط تخلیه را نشان می دهد. بردارهای جریان ویژگی های بسیار رایج در مدل سازی آب های زیرزمینی هستند که با استفاده از پشته منبع باز تا زمانی که توسعه کتابخانه Flopy وجود ندارد، دارای یک ابزار ویژه برای ارائه است.


آموزش محاسبه NDVI از تصاویر Landsat8 با پایتون 3 و Rasterio


NDVI یک شاخص گیاهی است که به طور گسترده ای برای ارزیابی اثرات زیست محیطی، ارزیابی کشاورزی و معیارهای تغییر کاربری زمین مورد استفاده قرار می گیرد. روش محاسبه NDVI در نرم افزارهای سیستم اطلاعات جغرافیایی (GIS) به عنوان QGIS ساده و مستقیم است. با این حال، کارایی تنها مربوط به یک تصویر است، اما اگر یک سری از تصاویر را تجزیه و تحلیل کنیم یا اگر تصاویری با منابع محاسباتی محدود داشته باشیم، ما باید برخی از فیلترهای 


نحوه ایجاد یک نمودار Piper در پایتون - آموزش


یک نمودار Piper یک روش گرافیکی موثر برای جدا کردن داده های تحلیلی مربوطه برای درک منابع مولکول های حل شده در آب است. این روش در این مطلب آمده است که اکثر آب های طبیعی حاوی کاتیون ها و آنیون ها در تعادل شیمیایی هستند. فرض بر این است که بیشترین فراوانی کاتیون ها کلسیم (کلسیم)، منیزیم (Mg) و سدیم (Na) هستند. شایعترین آنیون ها نیز بی کربنات (HCO3)، سولفات (SO4) و کلرید (Cl) هستند.


مدل سازی انتقال دو بعدی با MODFLOW، MT3D-USGS و Flopy


ساخت مدل های هیدروژئولوژیکی می تواند وقت زیادی برای ساخت و ساز، تجسم نتایج و کالیبراسیون را استفاده کند. مهم است که از ابزارهایی استفاده کنید که می توانند این کارها را بهینه سازی کنند و در زمان صرفه جویی کرده و در تجزیه و تحلیل سیستم آن را به کار گیرید.


در این فرصت ما Flopy را برای تکرار یک مدل حمل و نقل 2D از یک پست قبلی استفاده خواهیم کرد  با مجموعه ای متنوع از اسکریپت های پایتون است که می تواند برای اجرای MODFLOW و MT3D، از جمله برنامه های زیرزمینی مرتبط با MODFLOW، به روش ساده و کارآمد مورد استفاده قرار گیرد.


تعریف شبکه جریان حوضه آبریز با پایتون و Pysheds + آموزش

 

اگر ما زمین پردازش با ماهیت GIS خود را به پایتون منتقل کنیم چه اتفاقی می افتد؟ چه اتفاقی می افتد اگر ما داده های فضایی رستری و برداری خود را به عنوان اشیاء و متغیرها در یک اسکریپت پایتون 3 پردازش کنیم؟ سپس می توانیم از خودمان بپرسیم که آیا لازم است که چرخه را مجددا بسازیم، لازم است یک جریان کاری را تغییر دهیم که قبلا در یک نرم افزار GIS کار می کند؟ دلیل و لزوم چیست؟

پاسخ ساده ای به این معضل وجود دارد: کنترل بیشتر


تغییر و اجرای با پایتون یک مدل آزمون پمپاژ در MODFLOW


کار با اینترفیس های کاربری گرافیکی (GUI) می تواند آهسته باشد، زمانی که یک فرد می خواهد یک خطای محرمانه محکم بر روی یک مدل جریان جوی آب اجرا کند. تطبیق تست پمپاژ نیاز به مقدار زیادی تلاش برای تنظیم پارامترهای ثابت و گذرا به عنوان هدایت هیدرولیکی، انحصارطلبی عمودی، ذخیره سازی ویژه و عملکرد خاص دارد.


تخمین تغذیه بارش روزانه آبخوان با MODFLOW UZF و پایتون


فرایندهای چرخه آب سطحی و زیرزمینی مربوط به بارش (شکل و شدت) و پویایی رطوبت خاک است. این پویایی رطوبت خاک توسط نوع خاک و منطقه ریشه در یک مقیاس زمانی در هر روز یا حتی ساعتی تعیین می شود. این پدیده ها در کتاب های متنی هیدروژئولوژی متداول مورد توجه و بررسی قرار نگرفته اند، شاید به دلیل استفاده شدید از ابزارهای مدل سازی و مفهوم سازی و اعتبارسنجی پیچیده.

مطالعه آب های زیرزمینی مطالعه عدم قطعیت است. این معضل چیزی است که شما در حال تحصیل نمی بینید و فقط با مشاهدات خاصی در پیزومترها یا جریان پایه درک می کنید. تا زمانی که بعضی از ابزارهای جدیدی ایجاد شود که به ما اجازه می دهد که آب های زیرزمینی را درون صورت های متخلخل ببینیم، یک رزونانس مغناطیسی را خواهیم داشت، باید تلاش های تحلیلی قوی را برای درک منابع آب زیرزمینی انجام دهیم.


تجزیه و تحلیل باران های منطقه ای با پایتون


مقدمه

ما می خواهیم میانگین سالانه بارش را در مقیاس منطقه ای برای شمال پرو تحلیل کنیم. این مجموعه دارای 20 ایستگاه از ساحل بیابانی پرو، آند و جنگل های بارانی با تفاوت های ارتفاع و میزان بارش است.

هدف اصلی این است که الگوها و روندهای بارش را تجزیه و تحلیل کرده و آنها را با استفاده از پایتون و با استفاده از روش های مختلف ترسیم کنیم.

برای این کار ما از نرم افزار IPython که شما می توانید بر روی رایانه خود نصب کنید یا از wakari.io آن را در ابر مجازی اجرا کنید استفاده نمایید. شما می توانید اطلاعات ایستگاه برای این تمرین را در اینجا دانلود کنید.


آموزش عمیق و یادگیری ماشین در علوم مهندسی آب - DeepCNNs

حوضه های رودخانه شانون و بخش ها

چکیده

برنامه ریزی، مدیریت و پیش بینی نیازها و استفاده از آب باید قبل از تجزیه و تحلیل تغییرات درازمدت برای پارامترهای مرتبط با آن، به منظور بهبود روند توسعه سناریوهای جدید، برای منابع آب سطحی یا آب های زیرزمینی صورت پذیرد. هدف از این مقاله ارائه یک روش مناسب برای پیش بینی طولانی مدت جریان آب و پارامترهای آب رودخانه "شانون" در ایرلند طی یک دوره 30 ساله از سال های 1983 تا 2013 و از طریق چارچوبی است که از سه مرحله تشکیل شده است: مقیاس گسترده تجزیه و تحلیل شهری، داده های تلفیقی، و مرحله حدود علم تحلیل داده ها که تمرکز اصلی مقاله است که با استفاده از یک مدل یادگیری ماشین بر اساس شبکه های عصبی پیچیده عمیق (DeepCNNs) بکار برده می شود. مدل یادگیری عمیق پیشنهاد شده را در سه ایستگاه مختلف آب در رودخانه شانون تست می کنیم و نشان می دهیم که چهار مدل پیش بینی سری زمانی شناخته شده است. ما در نهایت مدل پیشنهادی شبیه سازی جریان آب و سطح آب پیش بینی شده از سال های 2013 تا 2080 را نمایش می دهیم. راه حل پیشنهادی ما می تواند برای مقامات علوم آب بسیار مفید باشد. بخصوص برای برنامه ریزی بهتر تخصیص منابع آب در میان کاربران رقابتی مانند کشاورزان. علاوه بر این، می توان آن را برای تطابق ناهنجاری ها با تنظیم و مقایسه آستانه ها با جریان آب پیش بینی شده و سطح آب مورد استفاده قرار داد.


استراتژی بهبود دقت موقعیت مکانی مجوزهای منابع آبی - بخش اول


قدیمی ترین و بزرگترین منطقه مدیریت آب در فلوریدا یک استراتژی برای بهبود دقت موقعیت مکانی مرزهای مجوز در نظر دارد که در GIS نگهداری و توسعه داده شده است. با استفاده از مرزهای بسته، که دارای دقت افقی بوده و با استانداردهای دقت ملی نقشه ها را برابری می کند، اداره ناحیه مجبور به انجام معامله ای بزرگ برای بهبود قابل توجه در دقت مکانی نیست.


HydroConnect چیست؟ ابزار داده هیدرلوژیک


HydroConnect یک ابزار عمومی و پیشرفته برای حفظ طیف گسترده ای از پردازش هیدرولوژیکی است. برای مثال می توان از داده های مدل از اندازه گیری ها استفاده کرد و یا پس از پردازش نتایج شبیه سازی را حفظ کرد. HydroConnect به طور کامل بر اساس بسته Vistrails نرم افزار منبع باز (www.vistrails.org) است و از دو ماژول سفارشی برای هماهنگ سازی داده ها استفاده می کند (که FileSync و FileSyncManager نامیده می شود). این ماژول ها برای مدل ملی و مرکز داده هلندی (NMDC)، همکاری چندین وزارتخانه هلندی جهت به اشتراک گذاشتن دانش، توسعه داده شدند. HydroConnect به همین نحو به منظور مدیریت گردش کار است، جایی که کابر محاسباتی می تواند


OpenEarth چیست؟


OpenEarth ابتکار منبع آزاد برای تبادل داده ها، مدل ها و ابزارها در پروژه های علمی و مهندسی محیطی است. پروژه های موجود در حال حاضر عمدتا دریایی و ساحلی است. در حال حاضر، پروژه های تحقیقاتی، مشاوره ای و ساختمانی معمولا بخش قابل توجهی از بودجه خود را صرف نصب برخی زیرساخت های اولیه برای مدیریت داده ها و دانش می کنند. پس از پایان پروژه، بیشتر این تلاش ها دوباره ناپدید می شوند. OpenEarth به عنوان یک جایگزین برای این روش های ad-hoc، یک رویکرد مداوم برای مدیریت داده ها و دانش است. این پلتفرم برای ذخیره سازی، میزبانی و انتشار داده های با کیفیت بالا، سیستم های پیشرفته ترین مدل و ابزارهای آزمایش شده برای تجزیه و تحلیل عملی فراهم می کند. 


استفاده از مدل های WFLOW


ساختار دایرکتوری: موارد و اجرا

یک پرونده حاوی تمام اطلاعات مورد نیاز برای اجرای مدل است. موارد متعدد ممکن است در کنار یکدیگر در دایرکتوری های جداگانه وجود داشته باشد. این مدل تنها با یک مورد در یک زمان کار خواهد کرد. اگر هنگام شروع مدل هیچ موردی مشخص نشده باشد، پیش فرض (default_sbm یا default_hbv) در نظر گرفته می شود. در یک مورد خروجی مدل (نتایج) در یک پوشه جداگانه ذخیره می شود. این پوشه run نامیده می شود، که نشان داده شده با runId است. این ساختار در شکل بالا مشخص شده است. اگر میخواهید نتایج را ذخیره کنید و نتایج را از یک اجرا قبلی بازنویسی نکنید، runId جدید باید مشخص شود.


آشنایی با پلاتفرم آنلاین مدل سازی هیدرولوژیکی WFLOW


معرفی

این سند جریان پلاتفرم مدل سازی هیدرولوژیکی توزیع شده را توصیف می کند. wflow بخشی از پروژه OpenStreams Deltares است. Wflow شامل مجموعه ای از برنامه های پایتون می شود که می توانند در خط فرمان اجرا شوند و شبیه سازی های هیدرولوژیکی انجام دهند. این مدل ها بر اساس چارچوب PCRaster پایتون (www.pcraster.eu) است. در wflow این چارچوب گسترش یافته است (کلاس wf_DynamicFramework) به طوری که مدل های ساخته شده با استفاده از این چارچوب را می توان با استفاده از API کنترل کرد. لینک به BMI و OpenDA ایجاد شده است. تمام کد در github در دسترس است و تحت نسخه 3.0 GPL توزیع شده است.


زبان برنامه نویسی پایتون برای مهندسی آب و هیدرولوژی


1.1 چرا پایتون؟

پایتون یک زبان برنامه نویسی ساده و قدرتمند است. از بکارگیری واژه ساده، منظورم این است که آن را بسیار منعطف تر از زبان هایی مانند C می یابید اگر چه کند است. و از واژه قدرتمند، منظورم این است که می توان بسیاری از کدهای موجود را که در C، C++، Fortran و غیره نوشته شده است، به آن چسباند. جامعه کاربر این زبان رو به رشد است که بسیاری از ابزار را به راحتی در دسترس می کند. شاخص  پایتون، که یک میزبان بزرگ از کد پایتون است، در حال حاضر دارای بیش از چند ده هزار بسته است، که در مورد محبوبیت آن صحبت می کنند. استفاده از پایتون در جامعه هیدرولوژی نسبت به سایر زمینه ها خیلی سریع نیست، اما امروزه بسیاری از بسته های هیدرولوژیکی جدید در حال توسعه هستند. پایتون دسترسی به ترکیب خوبی از ابزارهای GIS، ریاضیات، و آمار و غیره را فراهم می کند، که باعث می شود یک زبان مفید برای هیدرولوژیست باشد. در زیر مزایای عمده پایتون برای هیدرولوژیست آمده است:


ضرورت برنامه نویسی پایتون برای یک هیدرولوژیست - معرفی ماژول ها


چرا برای پردازش داده ها یک زبان برنامه نویسی استفاده می شود؟

اکثر دانش پژوهان محاسبات خود را در اکسل انجام می دهند و یا اگر مجوز نداشته باشند، توسط برنامه برنامه نویسی متن باز برنامه Calc از OpenOffice. با این حال، فرض کنید که مجموعه داده های هواشناسی طولانی داشته باشید. در اکسل، حداکثر طول ردیف بسیار سریع اشباع می شود بنابراین شما باید اطلاعات خود را بر روی ورق های مختلف تقسیم کنید. این بسیار ناکارآمد خواهد بود. همچنین برای ساخت یک مدل کامپیوتری در یک برنامه صفحه گسترده، شبیه سازی فرآیندهای مانند جریان آب زیرزمینی، فرسایش و یا انتشار گازهای گلخانه ای پیچیده است.

در این مورد، متخصصان اغلب به نوشتن یک برنامه اختصاصی که می توانند پردازش داده ها را انجام دهند و محاسبات مدل را به صورت خودکار انجام دهند مجددا بازگشت می کنند. رایج ترین زبان ها برای برنامه نویسی عبارتند از زبان برنامه نویسی C و مشتقات آن و Java و Fortran. این زبان ها بسیار قدرتمند هستند، اما دارای ویژگی هایی هستند که از جمله شما باید برنامه را بنویسید و سپس آن را برای کار با آن کامپایل کنید.


پس پردازش نتایج مدل مادفلو در Python

پس پردازش نتایج

یک بار دیگر، می توانیم از فایل خروجی باینری MODFLOW، با استفاده از ماژول flopy.utils.binaryfile، سطوح آب را بخوانیم. همراه با Object HeadFile چندین روش وجود دارد که ما در اینجا استفاده خواهیم کرد: get_times لیستی از بارهای موجود در فایل head file را بازگرداند. get_data آرایه سطح سه بعدی را برای زمان مشخص بازگرداند. get_ts آرایه سری زمانی [ntimes، headval] برای سلول مشخص شده را برمیگرداند.

با استفاده از این روش، می توانیم نتایج حاصل از مدل ها، نمونه های سطح آب و هیدروگراف را ایجاد کنیم:


درباره بهترين هاي بيسيـــن بدانيد...

Bird

يکي از مهمترين اهداف اين سايت تهيه آموزش هاي روان از ابزارهاي کاربردي علوم آب است.

اهميت مطالعات محيطي با ابزارهاي نوين در چيست؟

امروز با فارغ التحصيلي جمع کثير دانشجويان سالهاي گذشته و حال، با گذر از کمي گرايي ديگر صرف وجود مدارک دانشگاهي حرف اول را در بازار کار نمي زند؛ بلکه سنجش ديگري ملاک؛ و شايسته سالاري به ناچار! باب خواهد شد. يکي از مهم ترين لوازم توسعه علمي در هر کشور و ارائه موضوعات ابتکاري، بهره گيري از ابزار نوين است، بيسين با همکاري مخاطبان مي تواند در حيطه علوم آب به معرفي اين مهم بپردازد.

جستجو در بيسين


ابزارهاي نوين

بیسین - سایت تخصصی مهندسی آب

بیسین جهت ارائه مطالب و خدمات تخصصی در حیطه نرم افزارها و مدل های شبیه سازی مهندسی آب با رویکرد پژوهشی-آموزشی ایجاد شده است که توسعه خود را در گرو همکاری مخاطبان می بیند.

اطلاعات سايت

  • www.Basin.ir@gmail.com
  • بهزاد سرهادي
  • تاريخ امروز:
  • شناسه تلگرام: SubBasin
  • شماره تماس: 09190622992-098