شبکه عصبی مصنوعی و مدل سازی فرسایش خاک

سال انتشار: 1380
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 4,086

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

FMSE01_049

تاریخ نمایه سازی: 3 مرداد 1386

چکیده مقاله:

رخدادهای طبیعی از جمله فرسایش خاک که از روند عادی خود خارج شده باشند، مشکلات و گرفتاریهایی برای جوامع بشری فراهم می سازند. یکی از ضروریات مهم مهار این بحران، شناخت عوامل موثر و کمی کردن آن است. در فرسایش خاک روابط ما بین عوامل موثر در وقوع این پدیده از نوع غیر خطی و پیچیده می باشند. با توجه به نقاط ضعف روشهای سنتی در به کارگیری مدلهای فیزیکی مفهومی روشن (White Box) برای حل چنین مسائلی، در سالهای اخیر تحقیقاتی در خصوص امکان استفاده از روشهای جدید تحت عنوان هوش مصنوعی شروع شده است. یکی از روشهای هوش مصنوعی مورد توجه، روش شبکه عصب مصنوعی است. این روش دارای چهارجوب ریاضی بر اساس تقلید بسیار ساده از سیستم شبکه عصبی بیولوژیک بوده و شامل یک لایه ورودی، یک یا چند لایه میانی (مخفی) و یک لایه خروجی است. هر لایه از چندین گره (نرون) تشکیل شده و بردارهای ووردی یک و یا بیشتر می باشد.. این مقاله سعی دارد بر اساس تحقیقات اخیرنسبت به معرفی توانائی این روش در کمک به شبیه سازی فرایند فرسایش خاک اقدام نماید.

نویسندگان

علی رضایی

عضو هیئت علمی مرکز تحقیقات منابع طبیعی و امور دام استان زنجان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • شاهویی، صابر، پرویز عبدالملکی، نادر نجم‌الدینی، ساعد شاهویی و نادر ...
  • ملا حسینی، حمید، حسینقلی رفاهی، و احمد جلالیان، بررسی روشهای ...
  • منهاج، محمدباقر، مبانی شبکه‌های عصبی(هوش محاسباتی)، مرکز نشر پروفسور حسابی، ...
  • Amir F. Atiya, Suzan M. El-Shoura, Samir I. Shheen, & ...
  • Babovic, V. and V, H.Bojkov, 2001."Runoff Modelling with Genetic Programming ...
  • Conrads, P.A. andlF.A. Rochl, 1 999. 'Comparing Physics-Bascd and Neural ...
  • Basin 'Proceeding of the South Carolina Environ mental Conference, March ...
  • F. Chi ari- M. Delhom-J. F. S antucci-J.B _ Filippi, ...
  • I.A.Fulop, J.Jozsa and T.Kramer, 1998."Aneural network application in estimating wind ...
  • K.C.Luke, J .E.Ball and A.Sharma, 1998"Rainfall forcasting through artilicial ncur:l ...
  • M.J. Hall and A.W.Minns, 1998, "Regional flood frequency analysis using ...
  • P.Sincak and M.Bundzel, M.Sokac and D .Szt ruh ar, J.Marsalek ...
  • Robeft J.Abrahart and Lindasee and Paulin E.Kneal, 2000. "Applying Saliency ...
  • neura network rainfall- runoff modelling" 2000. ...
  • S _ Ranjithan.J.W. Eheart and J.H.Garrett, Jr, 1 995. "Application ...
  • Yonas. B. Dibike and Dimitri p.Solomatin, 1999. "River Flow Forcasting ...
  • نمایش کامل مراجع