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

مدلسازی بارش- رواناب با استفاده از مدل های مختلف شبکه عصبی و مقایسه آن با مدل درخت تصمیم (مطالعه موردی حوزه شهید نوری کاخک گناباد)

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۲۴۲ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: DPCONF01_033
زبان مقاله: فارسی
حجم فایل: ۴۷۳.۰۹ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۸ 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 ۸ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مدلسازی بارش- رواناب با استفاده از مدل های مختلف شبکه عصبی و مقایسه آن با مدل درخت تصمیم (مطالعه موردی حوزه شهید نوری کاخک گناباد)

  محمد مهدی زرعی - دانشجوی کارشناسی ارشد آبخیزداری دانشگاه فردوسی مشهد
  محمد تقی دستورانی - دانشیار دانشکده منابع طبیعی و محیط زیست دانشگاه فردوسی مشهد
  منصور مصداقی - استاد دانشکده منابع طبیعی و محیط زیست دانشگاه فردوسی مشهد

چکیده مقاله:

براورد دقیق رواناب اهمیت بسیار زیادی از جنبه های گوناگون دارد .چه انکه میزان رواناب حاصل از بارش از یک طرف ممکن است منجر به سیل و مخاطره گردد و از طرف دیگر با عدم استفاده و بهره برداری مناسب از دسترس خارج گردد. بدین جهت برای شناخت عوامل موثر درمیزان رواناب و استاده بهینه از ان مدلسازی می شود. در میان روش ها و مدل های مختلف براورد رواناب ، مدل های شبکه عصبی مصنوعی از جمله روش هایی هستند که در دهه های اخیر با دقت مناسبی در مدل سازی به کار می روند. در این تحقیق نیز برای براورد میزان رواناب حاصل ازبارش ، انواعی از شبکه های عصبی مصنوع در محیط نرم افزار متلب ایجاد شد و بین نتایج حاصله ان ها مقایسه انجام گردید. شبکه های عصبی مصنوعی مورد استفاده در این پژوهش شامل شبکه های عصبی پس از انتشار پیشخور نرمال،پیشخور Cascade، پسخور Elman و مدل درخت تصمیم بودکه در نهایت نتایج نشان داد هر یک از مدل های فوق ، بسته ه تعداد مختلف پارامتر های ورودی ،نرون های لایه پنهان و نیز تعداد لایه های مخفی در زمان اجرای مدل،عملکرد متفاوتی را نشان می دهد. ولی در مجموع با قت مناسبی قادر به براورد رواناب هستند. امار و اطلاعات مورد استفاده مربوط به حوضه های زوجی کاخک گناباد ( اعم از زیر حوزه شاهد و نمونه) و شامل 162 داده حاصل از 18 پلات جای گذاری شده در موقعیت های مختلف ( جهتهای غربی،شمالی و شرقی) و 9 واقعه بارش-رواناب در بازه سال های 2015-2011است.

کلیدواژه‌ها:

مدلسازی، شبکه پس انتشار ، مدل درخت تصمیم ، شبکه های عصبی، پیشخور، پسخور

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-DPCONF01-DPCONF01_033.html
کد COI مقاله: DPCONF01_033

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:
زرعی, محمد مهدی؛ محمد تقی دستورانی و منصور مصداقی، ۱۳۹۴، مدلسازی بارش- رواناب با استفاده از مدل های مختلف شبکه عصبی و مقایسه آن با مدل درخت تصمیم (مطالعه موردی حوزه شهید نوری کاخک گناباد)، اولین همایش ملی پدافند غیر عامل در بخشهای کشاورزی، منابع طبیعی و محیط زیست با رویکرد توسعه پایدار، تهران، مرکز راهکارهای دستیابی به توسعه پایدار، https://www.civilica.com/Paper-DPCONF01-DPCONF01_033.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: (زرعی, محمد مهدی؛ محمد تقی دستورانی و منصور مصداقی، ۱۳۹۴)
برای بار دوم به بعد: (زرعی؛ دستورانی و مصداقی، ۱۳۹۴)
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 :

  • زرعی، م.م. دستورانی، م.ت. مصداقی، م.، عشقی زاده، م.، ۱۳۹۴. ... (مقاله کنفرانسی)
  • شایق، م. ع.، ۱۳۹۰. ارزیابی پروژه های باروری ابرها با ...
  • کیا، م.، ۱۳۸۹. شبکه های عصبی در MATLAB، چاپ سوم، ...
  • مشکانی، ع. و ناظمی، ع. ۱۳۸۸. مقدمه ای بر داده ...
  • عشقی زاده، م.، طرح بازنگری حوزه زوجی کاخک گناباد، ۱۳۹۰، ...
  • یوسفی، م و برزگر، ف.، ۱۳۹۲. بررسی مقایسهای رسوبات بار ... (مقاله ژورنالی)
  • Bhattacharya, B., Price R.K, and Solomatine D.P., (2007). Machine learning ...
  • Sam Jeong, C. Jun Koh, W. and Haeng Heo, J. ...
  • Mahesh P. and Mather P M., (2003), An assessment of ...
  • Janikow, Z. Cezary, Fajfer, Maciej.(2000). "Bottom- up Fuzzy Partitioning in ...
  • Mitchell, T.M. (1997). Machine learning, Mac Graw- Hill, p.52. ...
  • Wang, Thien-Chin, Da Lee, Hsie, (2006). "Constructing a fuzzy Decision ...
  • Taghi Sattari, M., Anli, A.S., Apaydin, H. and Kodal, S., ...
  • Gorindaraju, R.S. and Rao, _ .R. 2000.Artificial Neural Network in ...
  • Chen, J.C., Ning, S.K., Chen, H.W. and Shu, C.S. (2008), ...
  • کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش ۱ مقاله استفاده شده است.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۲۰۶۹۴
    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.