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

برآورد ضریب پخشیدگی طولی در آبراهههای طبیعی با استفاده ازشبکه عصبی مصنوعی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۹۹۷ | نظرات: ۰
سرفصل ارائه مقاله: محورهای ویژه
سال انتشار: ۱۳۸۷
کد COI مقاله: CEE02_323
زبان مقاله: فارسی
حجم فایل: ۲۸۹.۵۹ کلیوبایت (فایل این مقاله در ۸ 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 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 برآورد ضریب پخشیدگی طولی در آبراهههای طبیعی با استفاده ازشبکه عصبی مصنوعی

    جواد ظهیری (شناسه پژوهشگر - Researcher ID: ۶۷۸۸)
دانشجوی دکتری سازههای آبی دانشگاه شهید چمران اهواز
    یوسف رمضانی (شناسه پژوهشگر - Researcher ID: ۲۷۷)
دانشجوی کارشناسی ارشد سازههای آبی دانشگاه شهید چمران اهواز

چکیده مقاله:

یکی از مهمترین پارامترهای موثر در مدل سازی آلودگی ضریب انتشار طولی است که روابط تجربی و تئوری متعددی جهت تخمین آن پیشنهاد شده ولی با این وجود مطالعات بسیاری نیز بر روی این ضریب در حال انجام است . استفاده از این روابط در برخی شرای ط با نتایج خوبی همراه بوده اما تعمیم آنها برای کلیه شرایط هندسی و هیدرولیکی دشوار می باشد . در این تحقیق از روش شبکه عصبی مصنوعی ) ) Artificial Neural Network جهت برآورد ضریب انتشار طولی در آبراهه های طبیعی استفاده گردیده است . نرم افزار مورد استفاده در این تحق یق NeuralTools می باشد که امروزه در زمینههای مختلف مورد استفاده قرار می گیرد . بدین ترتیب از داده های اندازه گیری شده مربوط به ضریب پخشیدگی در نقاط مختلف دنیا جهت آموزش و صحت سنجی مدل استفاده گردید . در نهایت نتایج حاصل از مدل با نتایج حاصل از بکار بردن رو ابط تجربی موجود مورد مقایسه قرار گرفت . از جمله روابط مورد استفاده در این تحقیق می توان به روابط الدر، تکستون، سئو و چانگ و نیز فی شر و همکاران اشاره نمود . نتیجه این مقایسه دقت نسبتا بالای شبکه عصبی در برآورد ضریب انتشار طولی در آبراهههای طبیعی را نسبت به روابط تجربی موجود نشان میدهد

کلیدواژه‌ها:

مدلسازی آلودگی، ضریب انتشار طولی، شبکه عصبی مصنوعی ، NeuralTools ، آموزش و صحت - سنجی مدل

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-CEE02-CEE02_323.html
کد COI مقاله: CEE02_323

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:
ظهیری, جواد و یوسف رمضانی، ۱۳۸۷، برآورد ضریب پخشیدگی طولی در آبراهههای طبیعی با استفاده ازشبکه عصبی مصنوعی، دومین همایش تخصصی مهندسی محیط زیست، تهران، دانشگاه تهران، دانشکده محیط زیست، https://www.civilica.com/Paper-CEE02-CEE02_323.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: (ظهیری, جواد و یوسف رمضانی، ۱۳۸۷)
برای بار دوم به بعد: (ظهیری و رمضانی، ۱۳۸۷)
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 :

  • مقایسه مدل جدید N.W.N و مدل A.N.N در فرآیند شبیه سازی جریان رودخانه غازان چای [مقاله کنفرانسی]
  • Deng, Z.Q., V.P., Singh, and L, Bengtsson, (2001), "Longitudinal Dispersion ...
  • Fisher, H.B., E.J., List, R.C.J., Koh, J. Imberger, and N.H. ...
  • Harleman, D.R.F., (1966), "Diffusion Processes in Stratified Flow", In: Estuary ...
  • Kashefipour, S.M., (2001), "Modelling Flow, Water Quality and Sediment Transport ...
  • Lee, H.Y., H.M., Hsieh, and C.T., Yang, (1997), "Quasi- Two ...
  • Piotrowski, A., P.M., Rowinski, and J.J., Napiorkowski, (2006), "Assessmernt of ...
  • Seo, I.W., and T.S., Cheong, (1998), "Predicting Longitudinal Dispersion Coefficient ...
  • Specht, D., (1991), "A General Regression Neural Network", IEEE Transaction ...
  • Tlackston, E.L., (1966), "Longitudinal Mixing and Reaeration in Natural Streams", ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۱۷۲۷۷
    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.