کاربردی :: بیسین - سایت تخصصی مهندسی آب

ابزار وبمستر

Bootstrap Example

تصوير ثابت

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

شیوه نامه ذخیره سازی و تهیه بانک اطلاعات و گزارش های آماری -دانلود نرم افزار دیتاایز

شرح وظایف کارشناس بانک اطلاعات در شرکت های آب منطقه ای


توجه: این توضیحات بدون جداول و منابع آمده است. برای دریافت نسخه کامل آن را از ذیل دانلود کنید.

وظایف کارشناس بانک اطلاعات پس از ورود داده های تایید شده توسط کارگروه  آب سطحی و زیرزمینی در سامانه بانک اطلاعات منابع آب به شرح زیر می باشد:


1-اجرای گزارش های زیر، جهت کنترل برخی از پارامتر های ضروری از قبیل_ نداشتن  آمار  استان  مجاور _ خالی  نبودن نام استان _خالی نبودن فیلد کد محدوده _ اشتباه بودن کد محدوده _ تعداد رکورد دریافتی _ مجموع تخلیه _ ومجموع بهره برداری (گزارش‌های تهیه شده درسامانه بانک اطلاعات امار برداری سراسری 3) برای هر فرم عبارتند از:


مسایل کلیدی و نکات مهم در برآورد حداکثر سیل محتمل PMP و PMF

می توان گفت PMF یک احتمال وقوع مشخص ندارد، هر چند برخی مانند ICOLD دوره بازگشت یک در یک میلیون سال و یک در ده میلیون سال را برای آن قایل هستند. اگر کلیه فاکتور های دخیل به طور مجزا بیشینه شود، مقادیر PMF اغلب به طور قابل ملاحظه ای بزرگ تر از مقداری که در حالت معمول محاسبه می شود، به دست می آید. در شرایطی که PMF براساس PMP برآورد شود، تعیین شرایط پیشین بارندگی، جریان، رطوبت خاک و مانند آن باید توسط مهندس هیدرولوژیست به طور منطقی قبل از آغاز PMP تعیین شوند. واضح است که اگر PMP که خود احتمال وقوع فوق العاده اندکی دارد، با شرایط پیشین مبتنی بر نفوذ صفر که آن نیز احتمال وقوع خیلی کمی دارد ترکیب شود، برآورد PMF حاصل به طور غیرمعقولی می تواند بالا باشد.

برخی از سوالات اساسی در برآورد PMF را می توان به شرح زیر طبقه بندی نمود.


روش محاسبه هایتوگراف بارش مازاد با استفاده از روش SCS-CN

مقدمه

هدف از این توضیحات، این است که کاربران یاد بگیرند تا چگونه به محاسبه هایتوگراف بارش مازاد بر اساس هایتوگراف بارش کل و با استفاده از اصول سازمان حفاظت خاک آمریکا (SCS) و مشخصا شماره منحنی رواناب (CN) بپردازند. در این مراحل فرض می شود که کاربر در حال حاضر دارای یک باران نمود بارش کل در محیط اکسل است و این باران نمود بارش در مجموع برای یک رویداد واحد می باشد. و سپس از آن به عنوان ورودی برای جداسازی بارندگی انتزاعی و یا تلفات با استفاده از روش SCS CN استفاده می شود. دو خروجی از این مرحله، از جمله بارش انتزاعی و باران نمود بارش مازاد وجود دارد. این توضیحات نیز مستلزم آن است که CN برای ناحیه مطالعاتی شناخته و محاسبه شده باشد.

بر طبق توضیحات و آموزش های SCS در کل یک بارش جامع (P) از سه بخش مجزا تشکیل شده است:

1- Initial abstraction یا Ia

2- Continuous abstraction یا Fa

3- Excess rainfall یا Pe

بخش اول مشخص کننده مقدار بارشی است که باید ببارد تا خاک تا مرحله جاری شدن رواناب از نفوذ ارضاء شود. عموما این مقدار به شکل 20٪ از حداکثر ذخیره سازی در کل یا احتباس حوضه (S) محاسبه می شود. بنابراین، Ia = 0.2S در نظر می گیریم. در ادامه بخش دیگری از بارش صرف اقناع ذخیره خاک می شود که با Fa آن را شناختیم. که در این حالت عبارت ذیل برای محاسبه Fa با استفاده از مقدار کل بارش (P) و حداکثر احتباس (S) بکار گرفته می شود. 


نحوه جدا سازی دبی پایه از جریان رواناب به روش Recession

مقدمه

منظور این توضیحات، فرآگیری روش جداسازی دبی پایه یک مسیر آبراهه ای، از جریان کل هیدروگراف است. در این آموزش توضیحات بر روی یک هیدروگراف مجزا از یک واقعه بارش تشریح می گردد. فرض بر این است که کاربر در محیط اکسل اطلاعات زمانی و حجمی این هیدروگراف را در اختیار دارد. (نمونه را دانلود کنید).


دستورالعمل

دبی پایه چیست؟

دبی پایه بخشی از رودخانه است که به طور مستقیم از بارش مازاد در طول یک رویداد طوفان تولید شده است. به عبارت دیگر، این مقدار معادل با جریانی است که در جریان همراه رواناب مستقیم بدون داشتن سهمی از بارش وجود دارد. برآورد دبی پایه و رواناب مستقیم برای درک هیدرولوژی یک حوزه آبخیز، از جمله تعاملات آب سطحی و زیر سطحی، نقش شهرنشینی بر رواناب و سلامت زیستگاه آبزیان موجود در مسیر جریان مفید است. روش ارائه شده در اینجا قابل استفاده برای یک هیدروگراف اوج ناشی از وقوع توفانی تک است.


دانلود کتاب و اسلاید فارسی آموزش هوش مصنوعی و تکنیک های آن

دانش و تکنیک های هوش مصنوعی در سال های گذشته رشد قابل ملاحظه ای داشته است، به طوری که حجم زیادی از اطلاعات در علوم کامپیوتر را به خود اختصاص داده است. محققین زیادی در حال حاضر مشغول فعالیت در این زمینه میباشند. تاریخچه هوش مصنوعی با بازی ها و مسائلی پیوند دارد که در سده ها و دهه های گذشته مورد توجه قرار گرفته و بررسی شده اند. بازی هایی مانند شطرنج و معمای puzzle-8 و مسائلی مانند پاندول وارونه و فروشنده دوره گرد که بعضی ها قبل از پیدایش کامپیوتر بررسی شده اند وبا پیشرفت علوم کامپیوتر، توانایی بازی کامپیوتر در مقابل انسان موضوع جالبی بود که باعث پیشرفت های زیادی در هوش مصنوعی و تکنیک های آن گردید. هم اکنون نیز کار بر روی بسیاری از این مسائل ادامه دارد و چه از نظر تئوری و چه از نظر عملی حل بیشتر این مسائل راهگشای بسیاری از مشکلات هوش مصنوعی است.


دریافت پروژه تعیین بهینه ضرائب روندیابی سیلاب به روش تابع جریمه

هدف اصلی در NLP و یا برنامه ریزی غیرخطی، در شکل کلی آن پیدا کردن مقادیر بهینه متغیرهای تصمیم گیری با در نظر گرفتن محدودیت‌ها می‌باشد. در فرمول بندی اینگونه مسائل، هدف پیدا کردن یک نقطه تکین مطلق است ولی واقعیت چه از نظر محاسباتی و چه از لحاظ نظری، در بسیاری مواقع رضایت دادن به نقطه تکین نسبی خواهد بود. به عنوان مثال هنگام جستجوی نقطه کمینه با استفاده از یک روش همگرا شونده، مقایسه مقادیر نقاط همجوار تنها راه حل ممکن است.

در ریاضیات برنامه سازی غیر خطی (Nonlinear programming) (NLP) فرایند حل یک سیستم از برابری‌ها و نابرابری‌ها بر روی مجموعه‌ای از متغیرهای ناشناخته حقیقی، در یک تابع هدف که باید کمینه یا بیشینه شود و بخشی از محدودیت‌های آن غیر خطی است، می‌باشد.


دانلود ویدئو فارسی راهنمای آموزش بازسازی داده های مفقود و ناقص اقلیمی در محیط اکسل با روش ضریب تشخیص R2

بازسازی داده های اقلیمی و زمینی به سبب وجود مقادیر ناقص یکی از مهم ترین گام های پیش پردازش در این اطالاعات می باشد. در واقع می توان گفت داده های محیطی نظیر داده های بارش، دما، سیل و حتی داده هایی نظیر مقادیر سطح آب زیرزمینی در چاه های مشاهده ای و پیزومترها؛ به سبب و علل گوناگونی که می توانند در دسته های مشخص دسته بندی گردند همواره دارای مقادیری ناقص می باشند. نقص داده گاهی سبب متوقف شدن کل محاسبات گسترده ای در یک مدل سازی می شود؛ به نحوی که تا تکمیل این نواقص امکان عبور به گام وجود ندارد. در بسیاری موارد نیز لازم است ایستگاه های مختلف در یک بازه زمانی به تعداد متناسب و متناظر دارای داده باشند، به نحوی که امکان انجام آزمون های آماری همگنی و روند یابی و کفایت داده همچون ماکوس و... ممکن گردد.


تجربه ایجاد یک سیستم منسجم و یکپارچه پایگاه داده اطلاعات آب در ترینیداد و توباگو

توسعه ترینیداد و توباگو یکی از کشورهای صنعتی در منطقه کارائیب نتیجه استفاده از منابع نفت و گاز طبیعی در این کشور بوده است. تولید نفت در سال 1908 آغاز شد و در 1960 آغاز رشد سریع اقتصادی و گسترش آن بین 1974 و 1981 رخ داد. در نتیجه این تولید نفت به اوج خود رسیده، ترینیداد و توباگو به سرعت با گسترش همزمان در صنایع تولیدی و کشاورزی صنعتی روبرو شد. نتیجه این توسعه سریع تقاضای فزاینده ای برای عرضه آب صنعتی و خانگی بود.

سازمان آب و فاضلاب ترینیداد و توباگو (WASA) مسئول ارائه تامین قابل اعتماد آب و جمع آوری موثر فاضلاب و همچنین تصفیه آن برای جمعیت است. WASA از طریق آژانس مدیریت منابع آب طبیعی کشور و از طریق تنظیم انتزاع آب، حفاظت از حوضه و کیفیت آب سطحی/آب های زیرزمینی و ارزیابی هیدرولوژیکی/هیدروژئولوژیکی اقدام می نماید. درون سازمان منابع آب، برنامه ریز آب، مهندس، هیدرولوژیست و متخصص آبهای زیرزمینی مسئول اکتساب داده ها، تجزیه و تحلیل داده ها و تفسیر داده ها است. مدل سازی عددی، تجزیه و تحلیل چند معیاره، الگوریتم ها و فناوری های دیگر برای مدیریت و تجزیه و تحلیل منابع آب ملی استفاده می شود. اما راه حل های چند نرم افزاره ای وجود دارد که برای هر یک از این توابع امکان ترکیب وجود دارد، اما تنها تعداد اندکی از این برنامه های کاربردی هنگامی که مدیریت منابع آب در مقیاس ملی و در بین بیش از دو جزیره مختلف ترکیب شده است قابل استفاده اند.


دانلود و معرفی سیستم آنلاین توسعه و مدیریت داده های منابع آب و محیطی - HydroManager

سیستم آنلاین توسعه و مدیریت داده های منابع آب و محیطی

HydroManager یک سیستم توسعه منابع آب مبتنی بر وب و داده هایی مدیریتی که دسترسی متمرکز و امنی را به تولیدات آب و داده های نظارتی از طریق اینترنت ایجاد می نماید، است. HydroManager با ترکیب پایگاه داده های سطحی و زیرزمینی با ابزارهای تخصصی تحلیلی، سیستم های پشتیبانی تصمیم گیری و ساده در استفاده و همچنین رابط کاربری وب آنلاین، برای سازمان های آب، آب و برق، سازمان های دولتی، مدیران معدن، و پروژه های نفت و گاز نامتعارف، یک سیستم قابل اعتماد و موثر و کارآمد مدیریتی منابع آب را فراهم می کند.


دانلود فیلم آموزش بازسازی داده های اقلیمی ناقص و مفقود شده باران، دما، چاه و... در اکسل

بازسازی داده های اقلیمی و زمینی به سبب وجود مقادیر ناقص یکی از مهم ترین گام های پیش پردازش در این اطالاعات می باشد. در واقع می توان گفت داده های محیطی نظیر داده های بارش، دما، سیل و حتی داده هایی نظیر مقادیر سطح آب زیرزمینی در چاه های مشاهده ای و پیزومترها؛ به سبب و علل گوناگونی که می توانند در دسته های مشخص دسته بندی گردند همواره دارای مقادیری ناقص می باشند. نقص داده گاهی سبب متوقف شدن کل محاسبات گسترده ای در یک مدل سازی می شود؛ به نحوی که تا تکمیل این نواقص امکان عبور به گام وجود ندارد. در بسیاری موارد نیز لازم است ایستگاه های مختلف در یک بازه زمانی به تعداد متناسب و متناظر دارای داده باشند، به نحوی که امکان انجام آزمون های آماری همگنی و روند یابی و کفایت داده همچون ماکوس و... ممکن گردد. در این میان راه های گوناگونی برای ترمیم و تصحیح این مجموعه ها پیشنهاد شده است. که می توان به موارد ذیل اشاره کرد:


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
  • مديريت بيسين
  • تاريخ امروز:
  • تنها پيامک: 09376577189