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

شبیه سازی جریان رودخانه با استفاده از شبکه عصبی مصنوعی (ANN) (مطالعه موردی حوضه معرف کسیلیان)

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۱۳۴۶ | نظرات: ۰
سال انتشار: ۱۳۸۶
کد COI مقاله: ABYARI09_119
زبان مقاله: فارسی
حجم فایل: ۱۷۹.۱۳ کلیوبایت (فایل این مقاله در ۱۰ 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 ۱۰ 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 شبیه سازی جریان رودخانه با استفاده از شبکه عصبی مصنوعی (ANN) (مطالعه موردی حوضه معرف کسیلیان)

زهرا درواری - دانشجوی کارشناسی ارشد آبخیزداری دانشگاه
    کریم سلیمانی (شناسه پژوهشگر - Researcher ID: ۱۱۳)
دانشیار مرکز RS , GIS دانشگاه مازندران

چکیده مقاله:

تخمین صحیح دبی رودخانه از جمله پارامترهای مهم د رعلم مهندسی رودخانه و رشته های وابسته به آن از جمله هیدرولیک و هیدرولوژی می باشد، چرا که در مطالعات پایه مربوط به مدیریت منابع آب، زیست محیطی، ذخیره آب و کنترل سیلاب، ابدهی رودخانه نقش مهمی را دارا می باشد. استفاده از شبیه سازی مدل های ریاضی، مدل های فیزیکی، توزیع های آماری و برنامه های کامپیوتری از مواردی است که برای پیش بینی استفاده می شود. اما در مسائل مربوط به منابع طبیعی انتخاب مدل هایی که تا حد امکا ن به واقعیت موجود در حوضه نزدیک باشد بسیار مشکل است. از طرفی در بعضی از رودخانه ها به علت عدم وجود ایستگاه های هیدرومتری و عدم برداشت اطلاعات آبدهی و یا کوتاه بودن دوره زمانی آماربرداری اطلاعات مورد نیاز به اندازه کافی در دسترس نمی باشد. این امر باعث مشکلاتی در انجام مطالعات می شود. در سالهای اخیر از شبکه های عصبی مصنوعی (ANN) به طرز قابل توجهی در شبیه سازی فرایندهای مختلف استفاده شده است، شبکه عصبی مصنوعی توانایی تعریف روابط پیچیده غیر خطی بین ورودی و خروجی بدون تلاش در جهت درک طبیعت پدیده را دارا هستند، این شبکه ها پردازش کننده های موازی می باشند که داده های ورودی را در حین یادگیری ، ذخیره و به ساختار شبکه منتقل می سازند. در این مطالعه از نرم افزار MATLAB برای پیش بینی جریان خروجی حوضه کسیلیان، داده های هیدرومتری و هواشناسی (باران، دما، دبی) در مقیاس زمانی ماهانه وبطور آماری 31 سال (1380-1349) استفاده شده است. اطلاعات 27 سال برای توسعه مدل ها و 4 سال باقیمانده برای آزمودن انها بکار رفته است. شبکه موردی استفاده از نوع MLP (پرسپترون چند لایه) با الگوریتم پس انتشار خطا (BP) می باشد. نتایج اجرای مدل بیانگر دقت بالای شبکه عصبی در پیش بینی جریان رودخانه است.

کلیدواژه‌ها:

الگوریتم پس انتشار خطا ، MATLAB ، پرسپترون چند لایه ، مهندسی رودخانه

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-ABYARI09-ABYARI09_119.html
کد COI مقاله: ABYARI09_119

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:
درواری, زهرا و کریم سلیمانی، ۱۳۸۶، شبیه سازی جریان رودخانه با استفاده از شبکه عصبی مصنوعی (ANN) (مطالعه موردی حوضه معرف کسیلیان)، نهمین سمینار سراسری آبیاری و کاهش تبخیر، کرمان، دانشگاه شهید باهنر، انجمن مهندسی آبیاری و آب، https://www.civilica.com/Paper-ABYARI09-ABYARI09_119.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: (درواری, زهرا و کریم سلیمانی، ۱۳۸۶)
برای بار دوم به بعد: (درواری و سلیمانی، ۱۳۸۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • جهانگیرع.۱۳۸۴.شبیه سازی فرایند بارش - رواناب با استفاده از شبکه ... (پایان نامه)
  • منهاج، م.ب.۱۳۸۴.مبانی شبکه های عصبی(هوش محاسباتی)، مرکز نشر پروفسور حسابی، ...
  • رهنما، اردشیر(۱۳۷۸)؛ برآورد رواناب سطحی در حوضه آبخیز بشار به ...
  • رضاییگع.۳۸۳ ۱.مدلسازی منطقه ا یی دبی های اوج زیر حوزه ...
  • Ahmad, S. and Simovonic, S.P.(2000), Developing Runoff Hydrology Using Artificial ...
  • Anctil , F.and Rat, A. 2005 .Evaluation of Neural Networks ...
  • Anamala, J., B. Zhang, R.S. Govindaraju. 2000. Comparison of Ann's ...
  • Dolling , O.R. and Varas , E.A. 2002 Artificial Neural ...
  • Elshobay, A., Simonovic. S. P.and Paun, U.S., (2000). Performance Evaluation ...
  • JY, PE. , J.Han, S . Annambhotla and S .Bryant. ...
  • Jieyun chen , Barry J. Adams . (2006) .Integration of ...
  • Haykin, S. 1999.Neural netw ork.prentice -HallInc. , New jersi.258-269 ...
  • Kisi , O.2004. River flow modeling using artificial neural networks. ...
  • Maria cleofe Valverde Ramirez , Haroldo Fraga de Campos Velho ...
  • Nayebi, M.and Khalili, D .2006.Daily stream Flow Predication Capability of ...
  • Pankaj Singh _ M.N.deo.2006 Suitability of dfferent neural networks in ...
  • کدام مقالات به این منبع استناد نموده اند

    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.