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

استفاده از شیکه های عصبی مصنوعیANN در پیش بینی مقدار بار معلق رودخانه زاینده رود(روش پرسپترون چند لایهMLP )

اعتبار موردنیاز: ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۸۴۷ | نظرات: ۰
سرفصل ارائه مقاله: هیدرولیک و انتقال رسوب
سال انتشار: ۱۳۸۵
نوع ارائه: پوستر
کد COI مقاله: COWR01_197
زبان مقاله: فارسی
حجم فایل: ۲۳۰.۷۸ کلیوبایت (فایل این مقاله در ۶ 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 ۶ 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 استفاده از شیکه های عصبی مصنوعیANN در پیش بینی مقدار بار معلق رودخانه زاینده رود(روش پرسپترون چند لایهMLP )

  ایمان پدرام - دانشجوی کارشناسی ارشد سازه های آبی دانشگاه شهید باهنر کرمان
  غلامعباس بارانی - استاد بخش مهندسی عمران دانشگاه شهید باهنر کرمان

چکیده مقاله:

تخمین بار معلق رودخانه به دلیل تاثیر آن در مدیریت منابع آب ، می تواند نقش اقتصادی مهمی داشته باشد. روشهای زیادی جهت اندازه گیری بار معلق وجود دارد که معمولا با خطای زیادی همراه است . در این تحقیق با استفاده از شبکه های عصبی مصنوعی (ANN) یک مدل هوشمند برای پیش بینی مقدار بار معلق رودخانه زاینده رود ارائه می شود. در این مدل از یک شبکه چند لایه پرسپترون (MLP ) با یک لایه پنهان استفاده شده است. الگوریتم انتخابی برای آموزش شبکه ها، الگوریتم Marquardt-Levenberg می باشد. ورودی شبکه شامل دبی و خروجی آن مقدار بار معلق روزانه می باشد. برای آموزش و تست شبکه از آمار روزانه موجود طی سالهای 1374 تا 1384 ایستگاه اندازه گیری قلعه شاهرخ سد زاینده رود استفاده شده است. ساختار بهینه و الگوی ورودی بهینه شبکه عصبی با سعی و خطا تعیین می گردد. تمام مراحل ایجاد شبکه، آموزش و تست آن با استفاده از جعبه ابزار شبکه های عصبی نرم افزار MATLAB انجام شده است. در پایان نتایج بدست آمده از مدل آموزش دیده، با نتایج واقعی مقایسه شد. ضریب همبستگی داده ها در مرحله تست 74/0 بدست آمد که نشان دهنده دقت قابل قبول مدل پیشنهادی در پیش بینی مقدار بار معلق می باشد.

کلیدواژه‌ها:

بار معلق ، شبکه عصبی ، پرسپترون چند لایه

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-COWR01-COWR01_197.html
کد COI مقاله: COWR01_197

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:
پدرام, ایمان و غلامعباس بارانی، ۱۳۸۵، استفاده از شیکه های عصبی مصنوعیANN در پیش بینی مقدار بار معلق رودخانه زاینده رود(روش پرسپترون چند لایهMLP )، اولین همایش منطقه ای بهره برداری از منابع آب حوضه های کارون و زاینده رود (فرصتها و چالشها)، شهرکرد، دانشگاه شهرکرد، https://www.civilica.com/Paper-COWR01-COWR01_197.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: (پدرام, ایمان و غلامعباس بارانی، ۱۳۸۵)
برای بار دوم به بعد: (پدرام و بارانی، ۱۳۸۵)
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:
تعداد مقالات: ۲۰۵۵۹
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.