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

تعیین بهرهوری آب محصول گیاه گندم در شبکه آبیاری با استفاده از روش شبکه عصبی مصنوعی RBF و مدل هیدرودینامیک در شرایط مختلف کمبود آب

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۳۳ | نظرات: ۰
سال انتشار: ۱۳۹۷
کد COI مقاله: IHC17_232
زبان مقاله: فارسی
حجم فایل: ۶۳۹.۱۹ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۸ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تعیین بهرهوری آب محصول گیاه گندم در شبکه آبیاری با استفاده از روش شبکه عصبی مصنوعی RBF و مدل هیدرودینامیک در شرایط مختلف کمبود آب

الهام قربانی - دانشجوی کارشناسی ارشد
  محمدجواد منعم - دانشیاردانشگاه تربیت مدرس، گروه سازه های آبی
  مصطفی اصلانی - دانشجوی دکتری دانشگاه تربیت مدرس، گروه سازه های آبی

چکیده مقاله:

شاخص بهره وری از شاخصهای اساسی در تخمین عملکرد شبکه ها خصوصا در شرایط کمبود آب میباشد. برای این منظور میبایست با مدلهای هیدرودینامیک تعیین و پس از آن مدلهای زراعی جهت تعیین میزان محصول برداشت شده اجرا گردند. شبکه های عصبی مصنوعی با استفاده از تکنیک هوش مصنوعی اقدام به آموزش یک سیستم برای خود و از آن برای مدل سازی داده های واقعی استفاده میکنند. در مقایسه با شبکه های عصبی مرسوم مانند MLP، روش RBF بدلیل استفاده از تکنیک شعاعی و اجرای تابع فعال ساز در فاز اول مدلسازی نتایج را سریعتر و با دقت بیشتر ارایه میدهند.در این تحقیق، 675 سناریو تحت شرایط مختلف آبیاری با استفاده از مدل Aquacrop به منظور آموزش و آزمون شبکه عصبی RBF مورد استفاده قرار گرفتهاند. شبکه عصبی توسعه یافته برای تخمین میزان محصول برداشت شده و مقدار ماده خشک محصول در شرایط مختلف آب در دسترس %100)، %80 و (%60، برای یک بازه از شبکه عقیلی تنظیم شده است .با استفاده از این روش میزان بهرهوری در سیزده آبگیر کانال محاسبه شد. بهره وری محاسبه شده به روش RBF در مقایسه با روش MLP ، برای سه سناریو آب دسترس بهطور میانگین به ترتیب و به میزان 4,77، 5,16 و 5,75 درصد در سناریوهای مختلف بهبود یافته است.

کلیدواژه‌ها:

بهره وری، شبکه های آبیاری، روش شبکه عصبی مصنوعی .RBF

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:
https://www.civilica.com/Paper-IHC17-IHC17_232.html
کد COI مقاله: IHC17_232

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:
قربانی, الهام؛ محمدجواد منعم و مصطفی اصلانی، ۱۳۹۷، تعیین بهرهوری آب محصول گیاه گندم در شبکه آبیاری با استفاده از روش شبکه عصبی مصنوعی RBF و مدل هیدرودینامیک در شرایط مختلف کمبود آب، هفدهمین کنفرانس هیدرولیک ایران، انجمن هیدرولیک ایران-دانشگاه شهرکرد، https://www.civilica.com/Paper-IHC17-IHC17_232.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: (قربانی, الهام؛ محمدجواد منعم و مصطفی اصلانی، ۱۳۹۷)
برای بار دوم به بعد: (قربانی؛ منعم و اصلانی، ۱۳۹۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • کشاورزی > گندم
  • 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.