Mahdi.V

با بیش از 10 سال تجربه در زمینه برنامه‌نویسی در حل مسائل مهندسی و علمی تجارب موفقی داشتم. حدود 40 مقاله و پروژه پژوهشی در این زمینه انجام داده‌ام. تجارب هوش‌‌مصنوعی و داده‌کاوی توسعه ساختارهای جدید یادگیری عمیق برای بازسازی داده‌های رواناب کشور ایران با دقت بیشتر از 80 درصد. معرفی دو الگوریتم بهینه‌سازی جدید به عنوان رقیب برای روش‌های بهینه‌سازی آخرین سیستم. معرفی یک الگوریتم بهینه‌سازی چندهدفه با تلفیق روش‌های بهینه‌سازی چندهدفه. توسعه روش‌های جدید روندیابی سیلاب بر مبنای تلفیق الگوریتم‌های یادگیری ماشین و الگوریتم‌های بهینه‌سازی فراابتکاری. دستیابی به 99 درصد خطای کمتر از الگوریتم‌های ساده برای روندیابی سیلاب. تلفیق الگوریتم‌های یادگیری ماشین و الگوریتم‌های بهینه‌سازی برای مدل‌سازی مکانی و زمانی پارامترهای دمای هوا. توسعه روش‌های جدید یادگیری عمیق و یادگیری ماشین در بحث مدل‌سازی و حداکثرسازی حذف آلاینده‌ها از پساب. تولید داده‌های مصنوعی در بحث تصفیه پساب با دقت بیشتر از 90 درصد. مدل‌سازی و پیش‌بینی پارامترهای کیفی آب بر مبنای روش‌های جدید یادگیری ماشین. مدل‌سازی و پیش‌بینی پارامترهای اقلیمی، هیدرولوژیک، هیدروژئولوژیکی و هیدرولیکی با استفاده از یادگیری ماشین با دقت بیشتر از 90 درصد. بررسی اثر تغییر اقلیم بر پارامترهای هیدرولوژیک با استفاده از هوش مصنوعی. توسعه روش تلفیقی یادگیری عمیق TCN و ترنسفورمر برای حل مسائل سری زمانی. خوشه‌بندی با استفاده از تلفیق شبکه‌های عصبی خودرمزنگار و روش خوشه‌بندی K-means. نرم‌افزارهای مهندسی طراحی روش‌های LID در نرم‌افزار PCSWMM برای مدیریت حجم مازاد رواناب تولید شده در اثر افزایش سطوح نفوذناپذیر. مدل‌سازی شبکه آبرسانی با استفاده از نرم‌افزار WaterGEMS. تحلیل مکانی با استفاده از ArcGIS، ArcGIS Pro، R ، Google Earth و QGIS. مدل‌سازی انتقال رسوب با استفاده از HEC-RAS. تدریس برگزاری دوره یادگیری ماشین در متلب به مدت 30 ساعت. برگزاری دوره یادگیری عمیق در متلب به مدت 10 ساعت. برگزاری کارگاه یادگیری ماشین برای تخمین داده‌های مفقود. دستاوردها • توسعه ساختارهای جدید یادگیری عمیق برای بازسازی داده‌های رواناب کشور ایران با دقت بیشتر از 80 درصد. • مدل‌سازی و پیش‌بینی پارامترهای مختلف با استفاده از روش‌های مبتنی بر یادگیری ماشین و یادگیری عمیق با دقت بیشتر از 90 درصد. • معرفی الگوریتم‌های جدید بهینه‌سازی با قابلیت رقابت با روش‌های بهینه‌سازی آخرین سیستم. • مدیریت حجم مازاد رواناب با استفاده از روش‌های LID. مهارت‌ها برنامه‌نویسی با استفاده از متلب، پایتون و R، یادگیری ماشین، یادگیری عمیق، ترنسفورمرها، هوش‌مصنوعی، الگوریتم‌های بهینه‌سازی فراابتکاری تک‌هدفه و چندهدفه، Visual Studio Code، Jupyter Notebook، PyCharm، SWMM، PCSWMM، HEC-RAS، WaterGEMS، ArcGIS، QGIS، AutoCAD، اکسل، پاورپوینت، ورد، لاتکس، مصورسازی داده‌ها، تدریس.