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

معرفی مدل کاربردی جدید در تحلیل جریان ورودی به مخزن سد یامچی اردبیل با استفاده از شبکه عصبی مصنوعی و رگرسیون خطی چند متغیره

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۱۹ | تعداد نمایش خلاصه: ۴۹ | نظرات: ۰
سال انتشار: ۱۳۹۶
کد COI مقاله: CCIVIL02_586
زبان مقاله: فارسی
حجم فایل: ۹۷۲.۴۹ کیلوبایت (فایل این مقاله در ۱۹ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۱۹ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال 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 ۱۹ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله معرفی مدل کاربردی جدید در تحلیل جریان ورودی به مخزن سد یامچی اردبیل با استفاده از شبکه عصبی مصنوعی و رگرسیون خطی چند متغیره

  پیمان صیامی دودران - دانشجوی کارشناسی ارشد اب و سازه های هیدرولیکی، دانشگاه آزاد اسلامی واحد تهران شرق،تهران،ایران
  اکبر مختارپور - استادیار گروه مهندسی عمران،دانشگاه آزاد اسلامی واحد تهران شرق،تهران،ایران
  روح الله احمدی جزنی - استادیار گروه مهندسی عمران،دانشگاه آزاد اسلامی واحد تهران شرق،تهران،ایران

چکیده مقاله:

امروزه یکی از دغدغه های مدیریت امور مهندسی آب تحلیل جریان ها و تخمین مقدار آنها می باشد. در سالهای اخیرشبکه های عصبی مصنوعی بدلیل توانمندی بالا در حل مسایل غیرخطی و پیچیده، بطور قابل توجهی در شبیه سازیفرایندهای مختلف استفاده شده است. شبکه های عصبی مصنوعی دارای ساختار منعطف و غیرخطی است که این ساختاربا خصوصیات و رفتار سیستم های منابع آبی به خوبی هماهنگی دارد و از این رو نتایح قابل قبولی در این مورد بدست آمده است.در این تحقیق از دو مدل شبکه های عصبی مصنوعی مبتنی بر توابع پایه شعاعی (RBF) و رگرسیون خطی برای شبیه سازی جریان های ورودی به مخزن سد یامچی استفاده شده است. کارایی مدل های توسعه داده شده در این تحقیق با استفاده از معیارهای آماری چون ریشه مجذور متوسط مربعات خطای (RMSE)، میانگین مطلق خطا (MAE)، متوسط خطای مطلق نسبی (AARE)، ضریب کارایی (E) و ضریب همبستگی (R2) مورد ارزیابی قرار گرفته است که در مقایسه بهترین مدل روش شبکه های عصبی مصنوعی (مدل 19) و بهترین مدل روش رگرسیون خطی (مدل 22) به این نتیجه رسیدیم که شبکه های عصبی مصنوعی RBF می تواند در مرحله تست با (AARE=0.2128, RMSE=0.4423, R2=0.9587, MAE=0.3331, E=0.9164) نسبت به روش رگرسیون خطی با (RMSE=0.5041, R2=0.957, E=0.891.5, AARE=0.3819, MAE=0.3763) در مرحله آموزش بهتر و جامع تر می باشد. پس در یک بیان کلی می توان گفت که در تحقیق مدل سازی تحلیل جریان های ورودی به مخزن سد یامچی، استفاده از مدل های روش شبکه های عصبی مصنوعی (RBF) در مقایسه با مدل رگرسیون خطی دقت بهتری داشته است.

کلیدواژه‌ها:

تحلیل جریان های ورودی ، بارش – رواناب، شبکه های عصبی مصنوعی، رگرسیون خطی

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-CCIVIL02-CCIVIL02_586.html
کد COI مقاله: CCIVIL02_586

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:
صیامی دودران, پیمان؛ اکبر مختارپور و روح الله احمدی جزنی، ۱۳۹۶، معرفی مدل کاربردی جدید در تحلیل جریان ورودی به مخزن سد یامچی اردبیل با استفاده از شبکه عصبی مصنوعی و رگرسیون خطی چند متغیره، دومین کنفرانس بین المللی مهندسی عمران،معماری ومدیریت بحران، تهران، دانشگاه علامه مجلسی، https://www.civilica.com/Paper-CCIVIL02-CCIVIL02_586.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: (صیامی دودران, پیمان؛ اکبر مختارپور و روح الله احمدی جزنی، ۱۳۹۶)
برای بار دوم به بعد: (صیامی دودران؛ مختارپور و احمدی جزنی، ۱۳۹۶)
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:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: ۱۰۲۱
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.