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

مدل بارندگی-رواناب با استفاده از تئوری موجک و شبکه های عصبی مصنوعی (مطالعه موردی هلیل رود)

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۳ | تعداد نمایش خلاصه: ۱۲۵۶ | نظرات: ۰
سرفصل ارائه مقاله: آب و سازه های هیدرولیکی
سال انتشار: ۱۳۸۵
نوع ارائه: پوستر
کد COI مقاله: ICCE07_317
زبان مقاله: فارسی
حجم فایل: ۴۴۳.۸۶ کلیوبایت (فایل این مقاله در ۱۳ 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 ۱۳ 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 مدل بارندگی-رواناب با استفاده از تئوری موجک و شبکه های عصبی مصنوعی (مطالعه موردی هلیل رود)

  مجتبی نوری - دانشجوی کارشناسی ارشد سازه های آبی دانشگاه شهید باهنر کرمان
  محمدباقر رهنما - استادیار بخش آبیاری دانشگاه شهید باهنر کرمان

چکیده مقاله:

ظهور تئوریهای توانمند مانند منطق فازی و شبکه های عصبی مصنوعی (ANN) ، الگوریتم ژنتیک و اخیرا موجک تحولی عظیم در تحلیل رفتار سیستم های دینامیک در علوم مختلف مهندسی آب ایجاد کرده است. در تحقیق حاضر عملکرد شبکه عصبی پرسپترون چند لایه (MLP)، در برآورد و پیش بینی جریان روزانه رودخانه هلیل با استفاده از الگوریتم آموزشی پس انتشار خطا بررسی شده و به منظور بالا بردن راندمان عملکرد شبکه عصبی مصنوعی، داده های آموزشی و آزمون با استفاده از موجک به سیگنالهایی تفکیک شده اند (افزار گردیده اند). با استفاده از داده های موجکی شبکه را آموزش داده و سپس نتایج آزمون با عکس تبدیل موجک به حالت نرمال برگردانده شده و نتایج محاسباتی و مشاهداتی مورد ارزیابی آماری قرار گرفته اند. نتایج حاکی از بهبود عملکرد شبکه عصبی مصنوعی با استفاده از داده های موجکی می باشد.

کلیدواژه‌ها:

موجک ، شبکه های عصبی مصنوعی ، هلیل رود ، مدل بارندگی رواناب

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-ICCE07-ICCE07_317.html
کد COI مقاله: ICCE07_317

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:
نوری, مجتبی و محمدباقر رهنما، ۱۳۸۵، مدل بارندگی-رواناب با استفاده از تئوری موجک و شبکه های عصبی مصنوعی (مطالعه موردی هلیل رود)، هفتمین کنگره بین المللی مهندسی عمران، تهران، دانشگاه تربیت مدرس، دانشکده عمران، https://www.civilica.com/Paper-ICCE07-ICCE07_317.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: (نوری, مجتبی و محمدباقر رهنما، ۱۳۸۵)
برای بار دوم به بعد: (نوری و رهنما، ۱۳۸۵)
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 :

  • منهاج، محمدباقر، مبانی شبکه‌های عصبی مصنوعی، ۱۳۷۹، مرکز نشر دانشگاه ...
  • -Gorindaraju, R.S. and Rao, A.R. 2000.Artificial Neural Networks in Hydrology, ...
  • پیش بینی جریان رودخانه با استفاده از مدل شبکه عصبی مصنوعی [مقاله کنفرانسی]
  • لوایی، ع. وسلاجقه، ع.، طرح بهینه سازی سازه های فضاکار ...
  • استفاده از شبکه عصبی مصنوعی در پیش بینی آبدهی رودخانه بالارود در استان خوزستان [مقاله کنفرانسی]
  • رستم افشار، ن. فهمی، ه. پیره، ع. ر.۱۳۸۲. شبیه سازی ... (مقاله کنفرانسی)
  • بارانی، غ. ع. رهنما، م. به. شباک، ش. ۱۳۸۱ پیش‌بینی ... (مقاله کنفرانسی)
  • اکبر پور، م. رهنما، م. ب. بارانی، غ. ع. ۱۳۸۲. ... (مقاله کنفرانسی)
  • دستورانی، م. ت. رایت، ن. ج. ۱۳۸۲. بهینه سازی نتایج ... (مقاله کنفرانسی)
  • Hsu, K. Gupta, H. V. Soorooshian, S. 1995. Artificial Neural ...
  • Ozgur, K. 2004. River Flow Modeling Using Artificial Neural network ...
  • شبیه سازی جریان رودخانه هلیل رود با استفاده از مدل جدید NEURAL WAVELET NETWORK [مقاله کنفرانسی]
  • عسگری، ای، ۱۳۸۴، تجزیه و تحلیل سیگنال سیستم لیداری بر ...
  • Matlab Software, Wavelet Toolbox, Help. ...
  • حیدری، ع. و سلاجقه، ع. بهینه سازی سازه ها با ...
  • رستمی، ر.، رهنما، م.ب.، ۱۳۸۲، آنالیز منطقه‌ای سیلاب با استفاده ...
  • 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.