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

تخمین میزان رسوب رودخانه نکا به کمک شبکه عصبی مصنوعی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۹۰۹ | نظرات: ۰
سرفصل ارائه مقاله: مدیریت رسوب رودخانه
سال انتشار: ۱۳۸۵
نوع ارائه: پوستر
کد COI مقاله: IREC07_087
زبان مقاله: فارسی
حجم فایل: ۲۳۸.۳۵ 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 تخمین میزان رسوب رودخانه نکا به کمک شبکه عصبی مصنوعی

  مائده فتاحی - دانشجوی مهندسی آبیاری دانشگاه مازندران
  سارا طوسی - دانشجوی مهندسی آبیاری دانشگاه مازندران
  میرخالق ضیاء تبار احمدی - استاد بخش مهندسی آب دانشگاه مازندران

چکیده مقاله:

برآورد صحیح حجم رسوبات حمل شده توسط رودخانه ها در پروژه های آبیاری از اهمیت بسیاری برخوردار است . زیرا پدیده فرسایش و انتقال رسوب از پیچیده ترین مسائل هیدرودینامیک می باشد . لذا ارائه راهکاری مناسب جهت برآورد دقیق بار معلق رودخانه ها، بسیار سودمند است . به دلیل تأثیر پارامترهای مختلف، تعیین معادلات حاکم بر آن مشکل بوده و در صورت تعیین مدل ریاضی نیز ، از دقت کافی برخوردار نیستند . شبکه های عصبی مصنوعی بر مبنای استفاده از دانش نهفته بین متغیرهای ورودی و خروجی یک مسئله، بدون در نظر گرفتن فیزیک آن، قادر به استخراج روابط ذاتی بین آن ها و تعمیم آن در موقعیت های دیگر است . در شبکه عصبی مصنوعی با الهام گیری از مدل مغز انسان ضمن اجرای فرآیند آموزش، اطلاعات مربوط به داده ها درون وزن های شبکه ذخیره می شود . در این مقاله، ضمن معرفی شبکه عصبی مصنوعی، با استفاده از شبکه پرسپترون چند لایه ) ) MLP میزان رسوب رودخانه نکا پیش بینی شده و با نتایج حاصله از روش منحنی سنجه رسوب مورد مقایسه وتبیین قرار گرفته است . با توجه به خطای بدست آمده (0,0001) از شبکه پرسپترون چند لایه، برتری این شبکه نسبت به روش منحنی سنجه به اثبات رسید .

کلیدواژه‌ها:

فرسایش و انتقال رسوب، شبکه عصبی مصنوعی، پرسپترون چند لایه، منحنی سنجه رسوب، رودخانه نکا

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-IREC07-IREC07_087.html
کد COI مقاله: IREC07_087

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:
فتاحی, مائده؛ سارا طوسی و میرخالق ضیاء تبار احمدی، ۱۳۸۵، تخمین میزان رسوب رودخانه نکا به کمک شبکه عصبی مصنوعی، هفتمین سمینار بین المللی مهندسی رودخانه، اهواز، سازمان آب و برق خوزستان، دانشگاه شهید چمران اهواز، https://www.civilica.com/Paper-IREC07-IREC07_087.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: (فتاحی, مائده؛ سارا طوسی و میرخالق ضیاء تبار احمدی، ۱۳۸۵)
برای بار دوم به بعد: (فتاحی؛ طوسی و ضیاء تبار احمدی، ۱۳۸۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

کدام مقالات به این منبع استناد نموده اند


بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش ۱۱ مقاله استفاده شده است.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز:
تعداد مقالات: ۷۵۴۴
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.