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

پیش بینی ارتفاع امواج دریای خزر با استفاده از شبکه مصنوعی عصبی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۱ | تعداد نمایش خلاصه: ۳۸۳۰ | نظرات: ۰
سال انتشار: ۱۳۸۳
نوع ارائه: شفاهی
کد COI مقاله: CFD09_002
زبان مقاله: فارسی
حجم فایل: ۲۵۸.۹۴ کلیوبایت (فایل این مقاله در ۱۱ 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 ۱۱ 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 پیش بینی ارتفاع امواج دریای خزر با استفاده از شبکه مصنوعی عصبی

  احمدرضا زمانی - پژوهشکده علوم و تکنولوژی زیر دریایی دانشگاه صنعتی اصفهان
    احمدرضا عظیمیان (شناسه پژوهشگر - Researcher ID: ۱۱۸۹)
دانشکده مهندسی مکانیک، دانشگاه صنعتی اصفهان

چکیده مقاله:

پیش بینی داده های اماری امواج دریا نظیر ارتفاع و دوره تناوب آنها از ضروری ترین نیازهای اطلاعاتی مرتبط با محیط دریا است. برای پیش بینی وضعیت امواج دریا روشهای گوناگونی وجود دارد. استفاده از مدلهای عددی پیچیده ای نظیر مدل WAM از جمله این روشهای بکار رفته است. وجود عبارتهای غیر خطی در معادلات حاکم مدلسازی امواج را امری مشکل نموده است. از طرف دیگر توانمندی روش شبکه های مصنوعی در مدلسازی مسائل غیر خطی باعث گردیده است که به موازات کاربرد مدلهای عددی از روش شبکه های عصبی نیز در پیش بینی امواج استفاده شود.
در کار حاضر از داده های واقعی امواج دریای خزر که توسط بویه موج نگار و سیستم ADCP اندازه گیری شده اند، در یک شبکه مصنوعی عصبی استفاده میشود. این داده ها به دو دسته تقسیم شده و بخشی از آن را برای آموزش شبکه عصبی بکار برده و بخش دیگر هم در تست و ارزیابی شبکه مورد استفاده قرار می گیرند. این داده ها به دو مکان مختلف و دو فاصله زمانی گوناگون مربوط می شوند. شبکه مورد استفاده یک شبکه سه لایه پیش رو بوده که در مرحله آموش آن از الگوریتم های متفاوت آموزش شبکه استفاده شده و از نتایج حاصل برای پیش بینی ارتفاع امواج استفاده شده است.
برای پیش بینی ارتفاع امواج سعی شده تا اینکار در دوره های زمانی 3، 6، 12، 24 ساعته صورت پذیرد. به عنوان معیاری از درستی روش، منحنی های پراکندگی امواج و مقادیر ضرائب همبستگی داده ها در دونقطه اندازه گیری ارائه شده اند.
مقایسه داده های واقعی اندازه گیری شده توسط سیستمهای اندازه گیری با نتایج حاصل از پیش بینی شبکه عصبی ، تطابق خوبی را نشان میدهند که نشانگر دقت وسرعت خوب روش بکار رفته در دوره های زمانی کوتاه مدت می باشد

کلیدواژه‌ها:

پیش بینی امواج دریا- شبکه عصبی- ارتفاع و دوره تناوب امواج دریا- مدل موج دریا

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-CFD09-CFD09_002.html
کد COI مقاله: CFD09_002

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:
زمانی, احمدرضا و احمدرضا عظیمیان، ۱۳۸۳، پیش بینی ارتفاع امواج دریای خزر با استفاده از شبکه مصنوعی عصبی، نهمین کنفرانس دینامیک شاره ها، شیراز، دانشگاه شیراز، دانشکده مهندسی، https://www.civilica.com/Paper-CFD09-CFD09_002.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: (زمانی, احمدرضا و احمدرضا عظیمیان، ۱۳۸۳)
برای بار دوم به بعد: (زمانی و عظیمیان، ۱۳۸۳)
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 :

  • The WAMDI Group : Hasselmann S., Hasselman, K., Bauer, E., ...
  • WMO, Guide to Wave Analysis and Forcasting', No. 702, Secretariat ...
  • Mete orological Organization, Geneva, 1988. ...
  • of Random Wave Groups', Proceedings _ Statistical؛، [3] Kimura A. ...
  • Haykin, S.، Neural Networks- A Comprehensive Foundation?, 2" Ed, Prentice ...
  • Hagan, M. T, Demuth, H. B, ،Neural Network Design?, PWS ...
  • Thirumalaiah, K., Deo, M. C., ،River Stage Forecasting Using Neural ...
  • ASCE Journal of Hydrologic Engineering, 3 (1), 26-32, 1998. ...
  • Thirumalaiah, K., Deo, M. _ _ Studies On Hydrological Fare ...
  • ASCE Journal of Hydrologic Engineering, S (2), 180-189, 2000. ...
  • Agrawal J. D., Deo, M. _ On-Line Wave prediction' Marine ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۲۰۲۶۸
    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.