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

مقایسه سیستم های هوش مصنوعی ANN و ANFIS در پیش بینی سطح آب زیرزمینی دشت بسطام

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۲۲۵
سال انتشار: ۱۳۹۰
کد COI مقاله: NCWMSWRM05_213
زبان مقاله: فارسی
حجم فایل: ۶۳۰.۷ کلیوبایت (این مقاله دارای فول تکست است و می توانید فایل آن را دریافت نمایید)

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 مقایسه سیستم های هوش مصنوعی ANN و ANFIS در پیش بینی سطح آب زیرزمینی دشت بسطام




چکیده مقاله:

طبیعت پویای جریان آب های زیرزمینی در پاسخ به تنش های اقلیمی و انسانی و پیچیدگی سیستم آن و نیزداشتن فاکتورهای غیرخطی مرتباً در حال تغییر است. از آنجاییکه آب های زیرزمینی بزرگترین منبع آب قابل شرببرای انسان ها می باشند و تعادل میزان آب نیز در حال کاهش است، پیش بینی سطح آب زیرزمینی جهت برنامه ریزی و مدیریت آن کاری بسیار مهم می باشد. در سال های اخیر استفاده از سیستم های هوشمند برای برآورد پدیدهایهیدرولوژی و هیدروژئولوژی افزایش چشمگیری داشته است. هدف از تحقیق حاضر پیش بینی سطح آب زیرزمینی دشت بسطام با استفاده از سیستم های هوش مصنوعی و مقایسه این سیستم ها با هم میباشد. بدین منظور پتانسیلسیستم استنتاج تطبیقی عصبی فازی ) ANFIS ( و شبکه عصبی مصنوعی ) ANN ( در پیش بینی سطح آب زیرزمینی مورد بررسی قرار گرفت. از دادهای ماهانه هواشناسی شامل دما، تبخیر، رطوبت نسبی و بارش و همچنین میزان برداشت ماهانه به عنوان ورودی، و سطح آب زیرزمینی به صورت ماهانه به عنوان خروجی روش های ANN و ANFISاستفاده شد. کارایی روش های مورد مقایسه، با استفاده از آماره های ریشه میانگین مجذور خطا ) RMSE ( و ضریب تعیین)همبستگی( ) R2 ( مورد ارزیابی قرار گرفت. نتایج این تحقیق نشان می دهد که شبکه سیستم استنتاج تطبیقیعصبی فازی در مقایسه با شبکه عصبی مصنوعی پیش بینی دقیق تری از سطح آب زیرزمینی ارائه میدهد

کلیدواژه‌ها:

کلمات کلیدی: سطح آب زیرزمینی، سیستم استنتاج تطبیقی عصبی فازی، شبکه عصبی مصنوعی، -دشت بسطام.

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-NCWMSWRM05-NCWMSWRM05_213.html
کد COI مقاله: NCWMSWRM05_213

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
مسلمی, خدیجه؛ صمد امام قلی زاده و غلامحسین کرمی، ۱۳۹۰، مقایسه سیستم های هوش مصنوعی ANN و ANFIS در پیش بینی سطح آب زیرزمینی دشت بسطام، پنجمین کنفرانس سراسری آبخیزداری و مدیریت منابع آب و خاک کشور، کرمان، انجمن مهندسی آبیاری و آب ایران، http://www.civilica.com/Paper-NCWMSWRM05-NCWMSWRM05_213.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (مسلمی, خدیجه؛ صمد امام قلی زاده و غلامحسین کرمی، ۱۳۹۰)
برای بار دوم به بعد: (مسلمی؛ امام قلی زاده و کرمی، ۱۳۹۰)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مرکز تولید کننده این مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۷۲۹۹
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

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.