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

پیش بینی جریان رودخانه با استفاده از مدل شبکه عصبی مصنوعی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۵۶۶ | نظرات: ۰
سرفصل ارائه مقاله: سازه ها و مدلهای هیدرولیکی
سال انتشار: ۱۳۸۴
کد COI مقاله: IHC05_145
زبان مقاله: فارسی
حجم فایل: ۱۸۹.۱۷ کلیوبایت (فایل این مقاله در ۸ 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 ۸ 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 جریان رودخانه با استفاده از مدل شبکه عصبی مصنوعی

  محمدرضا یزدانی (شناسه پژوهشگر - Researcher ID: ۶۳۷)
کارشناس ارشد آبخیزداری مرکز تحقیقات کشاورزی و منابع طبیعی اصفهان
ستار چاوشی - مربی پژوهشی عضو هیئت علمی مرکز تحقیقات کشاورزی و منابع طبیعی استان اصف

چکیده مقاله:

شبکه های عصبی مصنوعی از جمله موارد هوش مصنوعی می باشند که قابلیت انعطاف پذیری زیادی دارند و جهت ایجاد مدل نیاز به فرایندهای پیچیده فیزیکی ندارد. این شبکه ها قادرند روابط بین ورودیها و خروجیها را بخوبی مشخص نمایند. جهت انجام این تحقیق مدلی از شبکه عصبی جهت پیش بینی رفتار رودخانه پلاسجان مورد ارزیابی قرار گرفت. اطلاعات یا لایه ورودی به مدل شبکه عصبی، اطلاعات مربوط به 5 ایستگاه باران سنجی و یک ایستگاه اندازه گیری درجه حرارت بود. خروجی مدل یا لایه خروجی، جریان عبوری از ایستگاه هیدرومتری اسکندری بود که کلیه جریانهای بالادست از آن عبور می کند. مدل پرسپترون چند لایه جهت بررسی انتخاب گردید. ساختارهای گوناگونی از مدل شبکه عصبی با تغییر در لایه های ورودی، تعداد گره ها در هر لایه لایه مخفی میزان یادگیری و گشتاور و نوع تابع ایجاد گردید. مناسبترین مدل، مدلی با ساختار 6،4،1 با 4 گره در لایه مخفی تعیین شد و مبنای آن تست انجام گرفت: نتایج بیانگر این بود که با افزایش تعداد لایه مخفی میزان خطا افزایش می یابد و کارایی این نوع مدل دذر پیش بینی جریان نسبتا خوب بود. این شبکه های عصبی قادرند رفتار رودخانه را نسبت به بارندگی بخوبی مشخص نمایند.

کلیدواژه‌ها:

هیدروانفورماتیک ، شبکه های عصبی مصنوعی ، پرسپترون چند لایه ، بارش ، رواناب ، پیش بینی جریان

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-IHC05-IHC05_145.html
کد COI مقاله: IHC05_145

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:
یزدانی, محمدرضا و ستار چاوشی، ۱۳۸۴، پیش بینی جریان رودخانه با استفاده از مدل شبکه عصبی مصنوعی، پنجمین کنفرانس هیدرولیک ایران، کرمان، دانشگاه باهنر کرمان، https://www.civilica.com/Paper-IHC05-IHC05_145.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: (یزدانی, محمدرضا و ستار چاوشی، ۱۳۸۴)
برای بار دوم به بعد: (یزدانی و چاوشی، ۱۳۸۴)
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 :

  • باقری، ع .۱۳۷۷.بهره برداری (Real-Time)بهنگام ز سدها مبتنی بر پیش ...
  • مهناج، م و سیفی پور، ن.۱۳۷۷.هوش محاسباتی: کاربرد در کنترل. ...
  • مهناج، م.۱۳۸۱.مبانی شبکه های عصبی(هوش محاسباتی). جلد اول، چاپ دوم، ...
  • Andrews, M.W. 2004 .Introduction to Artificial Neural Networks and Machine ...
  • B azartseren, B., Hildebrandt, G. _ Holz, K.P. 2002 _ ...
  • B hattacharya, B., Lobbrecht, _ and Solomatine, D.P. 2003. Neural ...
  • Campolo, M., Andreussi, P. and Soltani, A. 1999. River flood ...
  • -Cigizoglu, H. K. 2002. Suspended sediment Estimation for rivers using ...
  • Drecourt, J.P. 1999. Application of neural network and genetic programming ...
  • French, M.N., Krajewski, W.F. and Cuykendall, R.R. 1992. Rainfall forecasting ...
  • 1 -Gorindaraju, R.S. and Rao, A.R. 2000 .Artificial Neural Networks ...
  • Jiang, H. and Cotton, W.R. 2004. Soil moisture estimation using ...
  • Madson, H., Butts, M.B., Khu, S.T. and Liong, S.Y. 2000. ...
  • Singh, v.p. and woolhi ser, D.A. 2002. Mathematical modeling of ...
  • کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش ۸ مقاله استفاده شده است.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    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.