CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

مقایسه عملکرد الگوریتم‌های شبکه عصبی مصنوعی و درختان تصمیم‌گیری در پیش‌بینی تغییرات شوری آب رودخانه‌ها - مطالعه موردی : رودخانه کارون

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۲ | تعداد نمایش خلاصه: ۱۲۱۷ | نظرات: ۰
سرفصل ارائه مقاله: آب
سال انتشار: ۱۳۸۹
نوع ارائه: شفاهی
کد COI مقاله: CEE04_014
زبان مقاله: فارسی
حجم فایل: ۳۵۳.۱۷ کیلوبایت (فایل این مقاله در ۱۲ 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 ۱۲ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مقایسه عملکرد الگوریتم‌های شبکه عصبی مصنوعی و درختان تصمیم‌گیری در پیش‌بینی تغییرات شوری آب رودخانه‌ها - مطالعه موردی : رودخانه کارون

  عماد محجوبی - دانشجوی کارشناسی ارشد مهندسی محیط زیست، دانشگاه صنعتی شریف
  مسعود تجریشی - عضو هیئت علمی و دانشیار دانشکده مهندسی عمران

چکیده مقاله:

رودخانه‌ها به عنوان مهمترین منابع تامین و انتقال آب مصرفی بخش‌های صنعت، کشاورزی و شهری از اهمیت خاصی برخوردار بوده و به علت اینکه از بسترها و مناطق مختلفی می‌گذرند، نوسانات کیفی زیادی دارند. اکثر مدل‌های موجود در زمینه پیش‌بینی و شبیه‌سازی شرایط موجود و آتی وضعیت کیفی رودخانه‌ها نیازمند پارامترهای ورودی بسیاری هستند که یا دسترسی به آن‌ها مشکل است و یا اینکه اندازه‌گیری آن‌ها محتاج صرف هزینه و زمان زیادی می‌باشد. در این میان ابزارهای داده‌کاوی می‌توانند با حداقل پارامترهای اندازه‌گیری شده و با دقت قابل قبولی تغییرات متغیر مورد نظر را پیش‌بینی نمایند. در این مقاله، عملکرد دو الگوریتم شبکه عصبی مصنوعی پرسپترون چند لایه و درخت تصمیم‌گیری رگرسیونی در پیش‌بینی تغییرات شوری آب رودخانه‌ کارون مورد ارزیابی قرار گرفت. داده‌های استفاده شده مربوط به ایستگاه ملاثانی در بازه سال‌های 1347 تا 1384، شامل غلظت‌های سدیم، کلسیم، منیزیم، کلر، سولفات، بی‌کربنات، pH، و دبی بعنوان پارامترهای ورودی مدل‌ها و کل مواد محلول (TDS) بعنوان پارامتر خروجی می‌باشد. مقایسه عملکرد مدل‌ها نشان داد که با وجود دقت بالاتر شبکه عصبی مصنوعی پرسپترون چند لایه در پیش‌بینی غلظت مواد محلول، خروجی درخت تصمیم‌گیری رگرسیونی که در قالب قوانینی ارائه می‌گردد، قابل تفسیر تر می‌باشد. بطور کل استفاده از چنین الگوریتم‌هایی در پیش‌بینی تغییرات شوری می‌تواند دقت تصمیم‌گیری‌های مدیریتی را تا حد بسیار بالایی بهبود بخشد

کلیدواژه‌ها:

داده‌کاوی، شبکه عصبی مصنوعی پرسپترون چند لایه، درخت تصمیم‌گیری رگرسیونی، تغییرات شوری

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-CEE04-CEE04_014.html
کد COI مقاله: CEE04_014

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:
محجوبی, عماد و مسعود تجریشی، ۱۳۸۹، مقایسه عملکرد الگوریتم‌های شبکه عصبی مصنوعی و درختان تصمیم‌گیری در پیش‌بینی تغییرات شوری آب رودخانه‌ها - مطالعه موردی : رودخانه کارون، چهارمین همایش تخصصی مهندسی محیط زیست، تهران، دانشگاه تهران، دانشکده محیط زیست، https://www.civilica.com/Paper-CEE04-CEE04_014.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: (محجوبی, عماد و مسعود تجریشی، ۱۳۸۹)
برای بار دوم به بعد: (محجوبی و تجریشی، ۱۳۸۹)
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 :

  • پیش بینی کیفیت آب رودخانه کارون با استفاده از شبکههای عصبی مصنوعی [مقاله کنفرانسی]
  • استفاده از شبکه های عصبی در ارزیآبی کیفی رودخانه کرخه [مقاله کنفرانسی]
  • ات رفتار عالیه، نقش پایش کیفیت آب در مدیریت منابع ... (مقاله کنفرانسی)
  • امکان سنجی کاربرد و انتخاب مناسب ترین شاخص کیفیت آب رودخانه مطالعه موردی رودخانه زهره [مقاله کنفرانسی]
  • پیش بینی تغییرات کیفیت آب رودخانه زاینده رود با استفاده از شبکه های عصبی مصنوعی [مقاله کنفرانسی]
  • منهاج محمد باقر، مبانی شبکه های عصبی، مرکز نشر دانشگاه ...
  • Mitchell T. M, Machine Learning, McGrow-Hil, 1997 ...
  • Singh K. P. et al, Artificial Neural Network Modelling of ...
  • Palani S. et al, An ANN Application for Water Quality ...
  • Dogan E. et al, Estimation of Biological Oxygen Demand Using ...
  • Chavez P., Chang F. J., Simulation of Multiple Water Quality ...
  • استفاده از روش شبکه عصبی مصنوعی در پیشبینی مقادیر TDS در رودخانه تلخه رود [مقاله کنفرانسی]
  • شبیه سازی پارامترهای کیفی آب رودخانه قره سو در محل ایستگاه قرباغستان با استفاده از شبکه عصبی مصنوعی [مقاله کنفرانسی]
  • Huang W., Foo S., Neural Network Modelling of Salinity Variation ...
  • Deo M. C. et al Neural Networks for Wave Forecasting, ...
  • Preis A., Ostfeld A., A Coupled Model Tree-Genetic Algorithm Scheme ...
  • کدام مقالات به این منبع استناد نموده اند

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۲۴۸۹
    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.