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

روش شبکه های عصبی مصنوعی در مدلسازی جریانهای رودخانه ای ( تحلیل تواناییها و نقطه ضعفها )

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۱۷۹۹ | نظرات: ۰
سرفصل ارائه مقاله: مدلسازی در مهندسی رودخانه
سال انتشار: ۱۳۸۵
نوع ارائه: شفاهی
کد COI مقاله: IREC07_386
زبان مقاله: فارسی
حجم فایل: ۲۹۹.۷۱ کلیوبایت (فایل این مقاله در ۱۰ 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 ۱۰ 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 روش شبکه های عصبی مصنوعی در مدلسازی جریانهای رودخانه ای ( تحلیل تواناییها و نقطه ضعفها )

  محمدتقی دستورانی - استادیار دانشکده منابع طبیعی، دانشگاه یزد

چکیده مقاله:

در این تحقیق سعی شده است کاربرد تکنیک شبکه های عصبی مصنوعی در مدلسازی جریانهای رودخانه ای مورد ارزیابی و تجزیه و تحلیل قرار گیرد . در حقیقت در این بررسی به استناد چهار پروژه تحقیقاتی که توسط نگارنده طی چند سال گذشته با استفاده از این روش در زمینه مدلسازی جریان رودخانه ای با اهداف مختلف ودر شرایط متفاوت به انجام رسیده سعی میشود کارایی این تکنیک مورد تجزیه و تحلیل قرار گیرد و خصوصیات، مزایا و محدودیتهای آن در این زمینه ( مدلسازی جریان رودخانه ای ) گوشزد گردد . پروژه های تحقیقاتی مورد استناد در این خصوص عبارتند از : بررسی کاربرد شبکه عصبی مصنوعی درشبیه سازی و پیش بینی جریانهای سیلابی در حوزه های فاقد آمٍار؛ پیش بینی بهنگام سیل با بکارگیری مدلهای مختلف شبکه عصبی مصنوعی؛ بهینه سازی نتایج حاصل از یک مدل هیدرودینامیکی در پیش بینی جریان رودخانه توسط سیستم عصبی مصنوعی؛ و ارزیابی کارایی هوش مصنوعی کامپیوتر در تخمین داده های مفقود شده هیدرولوژی .
تواناییهای این تکنیک با توجه به ساختارهای مختلف آن و نیز طبیعت مسئله ای که به دنبال حل آن هستیم متفاوت میباشد . شبکه های عصبی دینامیک در بحث پیش بینی بهنگام کارایی بهتری دارد، در حالی که شبکه های پرسپترون چند لایه در ترکیب با نرم افزارهای دیگر نسبت به کاربرد تنهای آن بمراتب بهتر عمل میکند .

کلیدواژه‌ها:

شبکه عصبی مصنوعی، مدلسازی جریان رودخانه، سیلاب، پیش بینی سیلاب، جریان رودخانه ای

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_386.html
کد COI مقاله: IREC07_386

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:
دستورانی, محمدتقی، ۱۳۸۵، روش شبکه های عصبی مصنوعی در مدلسازی جریانهای رودخانه ای ( تحلیل تواناییها و نقطه ضعفها )، هفتمین سمینار بین المللی مهندسی رودخانه، اهواز، سازمان آب و برق خوزستان، دانشگاه شهید چمران اهواز، https://www.civilica.com/Paper-IREC07-IREC07_386.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: (دستورانی, محمدتقی، ۱۳۸۵)
برای بار دوم به بعد: (دستورانی، 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 :

  • - دستورانی محمدتقی؛ پیش بینی بهنگام سیل با بکارگیری مدلهای ... [مقاله کنفرانسی]
  • ارزیابی کارایی هوش مصنوعی کامپیوتر در تخمین داده های مفقود شده هیدرولوژی [مقاله کنفرانسی]
  • Bhattacharya B. and D. P. Solomatine, Application of artificial neural ...
  • Dastorani, M.T. and N.G. Wright, A hydrodyn amic/neural network approach ...
  • Dawson C. W., R. Wilby, An artificial neural network approach ...
  • Dawson C. W., R. Wilby, A comparison of artificial neural ...
  • Hsu K., H. V. Gupta, and S. Sorooshian, Artificial neural ...
  • Karunanithi N., W. JI. Grenney, D. Whitley, and K. Bovee, ...
  • Minns A. W. and M. J. Hall, Artificial neural networks ...
  • _ International River Engineering Conference Shahid Chamran University, 13-15 Feb ...
  • 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:
    تعداد مقالات: ۱۳۵۹۴
    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.