CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

مدل ترکیبی موجک – شبکه عصبی مصنوعی برای مدلسازی بارش-رواناب

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۲۷۰ | نظرات: ۰
سال انتشار: ۱۳۸۹
کد COI مقاله: NCCE05_381
زبان مقاله: فارسی
حجم فایل: ۴۲۰.۵۲ کلیوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله مدل ترکیبی موجک – شبکه عصبی مصنوعی برای مدلسازی بارش-رواناب

  رضا الهی - دانشجوی کارشناسی ارشد آب دانشکده عمران دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
  محمود برقعی - استاد دانشکده عمران دانشگاه صنعتی شریف

چکیده مقاله:

مدلسازی منطقی و دقیق فرایند بارش - رواناب به عنوان اولین و مهمترین گام در راستای مبارزه با سیلاب با عنوان یک بلایای طبیعی می باشد برای مطالعه این فرایند استوکاستیک امروزه از مدل های جعبه سیاه ازجمله مدل سری زمانی و یا اخیرا از مدل شبکه های عصبی مصنوعی (ANN) که قابلیت پیش بینی و مدلسازی غیرخطی را نیز دارا می باشد. بطور گسترده ای استفاده می شود. همزمان باه گسترش استفاده از ANN، استفاده از آنالیز موجک (Wavelet Analyze) در زمینه هیدرولوژی نیز مطرح گردیده است ترکیب این دو قابلیت مدل ترکیبی با کارایی بهتر در پیش بینی فرایند هیدرولوژیکی به نام شبکه های عصبی - موجک (Conjoined Wavelet ANN Networks)را به وجود می آورد. دراین مقاله نخست مبانی این شبکه بیان شده است و سپس با بهره گیری از آن به مطالعه موردی حوزه لیقوان چای پرداخته شده است نتایج بیانگر آن است که این روش نسبت به روشهای کلاسیک گذشته و روشهایی همانند استفاده از شبکه عصبی تنها، کارایی بالاتری را دارا می باشد . چرا که روی میزان تاثیر داده های سری زمانی قبل از ورود به شبکه تفکیک پذیری صورت می گیرد و سیگنال اولیه به چندین زیر سیگنال ( sub singnal) تجزیه شده که با این کار این امکان فراهم می آید که بتوان از یک آنالیز که تاثیرات کوتاه مدت و بلندمدت را در بر می گیرد بهره مند شد که این به نوبه خود شبکه را در ارزیابی و تخمینهای آینده بهینه تر می سازد.

کلیدواژه‌ها:

کلمات کلیدی: آنالیز موجک، شبکه عصبی موجکی، مدلسازی بارش - رواناب

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
http://www.civilica.com/Paper-NCCE05-NCCE05_381.html
کد COI مقاله: NCCE05_381

نحوه استناد به مقاله:

برای بار اول: (الهی, رضا و محمود برقعی، ۱۳۸۹)
برای بار دوم به بعد: (الهی و برقعی، ۱۳۸۹)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.