۴ مطلب با کلمه‌ی کلیدی «پایتون در GIS» ثبت شده است

11 روش کلاسیک پیش بینی سری زمانی در پایتون - بخش دوم

۱۴ بهمن ۹۹ ، ۱۶:۴۷ نويسنده: بهزاد سرهادی

از روش های یادگیری ماشین می توان برای طبقه بندی و پیش بینی مسائل سری زمانی استفاده کرد. قبل از کاوش در روشهای یادگیری ماشین برای سری های زمانی، بهتر است اطمینان حاصل کنید که آموزش روشهای پیش بینی سری زمانی خطی کلاسیک را به اتمام رسانده اید. روش های کلاسیک پیش بینی سری زمانی ممکن است بر روی روابط خطی متمرکز شده باشند، با این وجود، این روش ها پیچیده هستند و در طیف گسترده ای از مسائل عملکرد خوبی دارند، با این فرض که داده های شما به درستی آماده شده و روش به خوبی پیکربندی شده است.

پیش بینی سری زمانی در پایتون - قسمت 4

۰۹ بهمن ۹۹ ، ۱۵:۵۰ نويسنده: بهزاد سرهادی

مدل های چند مرحله ای

هر دو مدل تک خروجی و چند خروجی در بخشهای قبلی، پیش بینی های مرحله یک زمانه را برای 1 ساعت در آینده انجام دادند.

این بخش به چگونگی گسترش این مدل ها برای پیش بینی گام های زمانی متعدد می پردازد.

فهرست آموزش - پیش بینی سری زمانی در پایتون

۱۸ دی ۹۹ ، ۲۱:۱۲ نويسنده: بهزاد سرهادی

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.

آموزش پایتون: رگرسیون - یادگیری ماشین و آزمون

۰۴ مهر ۹۶ ، ۲۲:۲۲ نويسنده: بهزاد سرهادی

خوش آمدید به بخش چهارم از آموزش ماشین با سری آموزش Python. در آموزش های قبلی، داده های اولیه را به دست آوردیم، ما آن را به صورت دلخواهی تغییر دادیم و دستکاری و اصلاح کردیم، و سپس شروع به تعریف ویژگی هایمان کردیم. Scikit-Learn اساسا نیازی به کار با Pandas و فریم های داده ندارد، من فقط ترجیح می دهم اطلاعات مربوط به آن را مدیریت کنم، زیرا سریع و کارآمد است. در عوض، Scikit-learn اساسا نیاز به آرایه های numpy دارد. داده های فرعی پانداها به راحتی می توانند به آرایه های NumPy تبدیل شوند، بنابراین فقط برای انجام کار برای ما صورت می پذیرد.

آب های زیرزمینی - مبانی و مفاهیم و پروژه های تخصصی

آبخوان ها و سفره های آب زیرزمینی علی رقم آنکه بخش مهم ذخایر طبیعی آب شیرین جهان را تشکیل می دهند، به دلیل ماهیت پنهان از چشم خود، همواره بیشترین فشار ها را در استفاده های بی رویه بر خود تحمل کرده و تنش اساسی بیلان داشته های آبی یک محدوده در این بخش رخ داده است. مدل ها و شبیه سازهای کامپیوتری شناخته شده ای در این زمینه وجود دارد که از گستردگی کاملی به منظور مطالعات و مدیریت برخوردار است.

آب های سطحی - مبانی و مفاهیم و پروژه های تخصصی

آب های سطحی، اگرچه در دسترس ترین منابع برای بشر محسوب می شوند، اما از نظر پایدار بسیار آسیب پذیر و در عین حال بیشترین آلودگی را دریافت و حمل می کنند. همچنین حوادث شدید آب و هوایی مشخصا و حدقل به صورت بصری، بیشتر بر روی این دسته از منابع قابل شناسایی است. شناخت درست آب های سطحی با روش های هیدرولوژیکی یکی از اهداف ماست.

آب های زیر سطحی - مبانی و مفاهیم و پروژه های تخصصی

آب های زیر سطحی،اهمیت بسیار زیادی در ارتباط یابی بین منابع آب و گیاهان دارند. خشسالی ها و ترسالی ها در این مفهوم خود را بیشتر برای انسان نشان می دهند. در عین حال مهم است که بدانیم اندرکنش آب های زیرزمینی و آب های سطحی بر اساس وضعیت لایه ای که آب های زیرسطحی در آن واقع شده است روی می دهد. شناخت درست آب های سطحی با روش های هیدرولوژیکی یکی از اهداف ماست.

برنامه نویسی منعطف به زبان پایتون

عنوان مهندسی برازنده فردی است که با معادلات یک علم آشنایی مشخصی داشته باشد. آشنایی با معادلات و مفهومات علم هیدرولوژی امکان کار با زبان های اسکریپت منعطفی چون پایتون را فراهم می کند که در نتیجه بسیاری از مسائل و مشکلات تخصصی و استثنا در مهندسی آب، امکان حل دقیق و کامپیوتری را پیدا کنند.

دریافت داده های مکانی پرکاربرد در مهندسی آب

بخش مهمی از خطا در محاسبات مهندسی، منتشر شده از داده های پایه ضعیف است. در این بخش می توانید به مجموعه گسترده ای از داده های مکانی چه در فرمت رستری و چه وکتوری، به منظور استفاده در نرم افزارهای مهندسی دسترسی داشته باشید. به مجموعه به مرور زمان افزوده می شود. همچنین محتوای پیشین در صورت امکان بروزرسانی می شود.

دریافت داده ها و اطلاعات پرکاربرد در مهندسی آب

دامنه وسیع داده ها و اطلاعات محیطی، الزام به دسترسی مطمئن و بروز از این آمار و اطلاعات را نشان می دهد. با توجه به گستردگی منابع دستیابی به داده در سطح اینترنت، ما در اینجا مجموعه بزرگی از داده ها را جمع آوری کرده ایم. شما می تواند به همراه توصیحات به این محتوا دسترسی داشته باشید.

درباره بهترين هاي بيسيـــن بدانيد...

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

ويدئوهاي آموزش جامع نرم افزار HEC-HMS - مدل بارش رواناب