CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تخمین کل جامدات محلول درآب TDS رودخانه کبکیان بااستفاده ازشبکه عصبی مصنوعی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۱۲۵ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: ASESNR02_018
زبان مقاله: فارسی
حجم فایل: ۳۷۱.۰۴ کیلوبایت (فایل این مقاله در ۹ 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.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۹ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تخمین کل جامدات محلول درآب TDS رودخانه کبکیان بااستفاده ازشبکه عصبی مصنوعی

  سیده آرزو حسینی پرور - دانشجوی کارشناسی ارشد مهندسی عمران مدیریت منابع آب دانشگاه آزاد اسلامی واحدیاسوج
  مهرداد خلقی فرد - استادیار دانشگاه آزادیاسوج

چکیده مقاله:

آگاهی ازکیفیت منابع آب یکی ازنیازمندی های مهم دربرنامه ریزی و توسعه منابع آب وحفاظت و کنترل آنها می باشد باتوجه به طبیعت غیرخطی و اتفاقی پدیده های هیدرولوژیکی کاربرد شبکه های عصبی مصنوعی دراین علم کاملا قابل توجیه است هدف ازاین مطالعه تخمین کیفی کل جامدات محلول TDS آب رودخانه کبکیان بااستفاده ازشبکه عصبی مصنوعی می باشد ازامار انالیز پارامترهای شیمیایی ایستگاه هیدرومتری بطاری واقع برروی رودخانه درطی یک بازه 10ساله 82تا92که درتمام فصول سال اندازه گیری شده اند استفاده گردید و ازروش شبکه های عصبی مصنوعی MLP RBF جهت شبیه سازی استفاده شد درهردونوع شبکه ازتابع محرک Tanhaxonوالگوریتم اموزشی لورنبرگ مارکوات LM بانرونهای مختلف و1و2لایه مخفی مختلف استفاده گردید و نتایج با این دوشبکه موردمقایسه قرارگرفت نتایج بدست آمده بااستفاده ازمعیارهای اماری MSE و RMSE و ضریب همبستگی R2 توان دوم ضریب R نشان داد که درتمامی مدل ها شبکه عصبی مورداستفاده دراین پژوهش شبکه عصبی پرسپترون چندلایه MLP نسبت به شبکه عصبی تابع شعاعی RBF دقت بالاتری درشبیه سازی متغیرهای کیفی دررودخانه موردمطالعه داشت باتوجه به نتایج حاصله ازپژوهش نشان داد که شبکه های عصبی مصنوعی دقت و توانایی بالایی جهت شبیه سازی وپیشبینی پارامترهای کیفی جریان دررودخانه دارند

کلیدواژه‌ها:

رودخانه، کبکیان ، شبکه عصبی مصنوعی، کل جامدات محلول درآب، کیفیت آب

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-ASESNR02-ASESNR02_018.html
کد COI مقاله: ASESNR02_018

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:
حسینی پرور, سیده آرزو و مهرداد خلقی فرد، ۱۳۹۵، تخمین کل جامدات محلول درآب TDS رودخانه کبکیان بااستفاده ازشبکه عصبی مصنوعی، دومین همایش ملی یافته های نوین در علوم کشاورزی،محیط زیست و منابع طبیعی پایدار، بصورت الکترونیکی، همایش گستران، https://www.civilica.com/Paper-ASESNR02-ASESNR02_018.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: (حسینی پرور, سیده آرزو و مهرداد خلقی فرد، ۱۳۹۵)
برای بار دوم به بعد: (حسینی پرور و خلقی فرد، ۱۳۹۵)
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 :

  • Sarani, N., J. Soltani& A. Moasher, . Comparison of Artificial ...
  • Kuo J, Hsieh M, Lung W and She N, 2007. ...
  • May D and Sivakumar M, 2009. Prediction of urban storm ...
  • Sunil K, Sinha M., and Wang C. 2008. Artificial Neural ...
  • Adineh, V.R., et al .2008. Optimization of the operational arameters ...
  • Wen X, Fang J, Diao M, Zhang C. Artificial neuralnetwork ...
  • Meftaholghi., M.; &Golalipor, A. 2007. Classification of Water Quality of ...
  • Hore A, Dutta S, Datta S and Bhattacharjee C, 2008. ...
  • Maier, H. R., and Dandy, G. C. (2000). "Artificial neural ...
  • Zare abyaneh, H., Yazdani, V. and Azhdari, KH. Comparative Study ...
  • Caudill, M. Neural networks primer: Part I, AI Expert, December, ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۳۱۹۲
    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.