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

تخمین بار معلق رودخانه زهره با استفاده از شبکه عصبی مصنوعی

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۹۳۳ | نظرات: ۰
سرفصل ارائه مقاله: مهندسی آب و محیط زیست
سال انتشار: ۱۳۸۳
نوع ارائه: پوستر
کد COI مقاله: 069_0129679559
زبان مقاله: فارسی
حجم فایل: ۱۸۴.۶ 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 تخمین بار معلق رودخانه زهره با استفاده از شبکه عصبی مصنوعی

  سیداحمد میرباقری - دانشیار بخش راه و ساختمان دانشگاه شیراز
  طاهر رجائی - دانشجوی کارشناسی ارشد سازه های هیدرولیکی دانشگاه شیراز

چکیده مقاله:

تخمین درست حجم رسوبات حمل شده توسط رودخانه ها در پروژه های آبی از اهمیت بسیاری برخوردار است. بطورکلی پدیده فرسایش و انتقال رسوب از پیچیده ترین مسائل هیدرودینامیکی است که تعیین دقیق معادلات حاکم بر آن بدلیل تاثیرات پارامترهای مختلف، به آسانی میسر نیست. حتی اگر مدلی ریاضی نیز تبیین شود، دسترسی به داده های لازم در اکثر موارد به آسانی امکان پذیر نخواهد بود. با توجه به توانائیهای شبکه های عصبی مصنوعی در شناسائی ارتباط بین متغیرهای ورودی و خروجی یک مساله بدون در نظرگرفتن فیزیک آن مساله و نیز بدلیل ضعف مدلهای فیزیکی و ریاضی در مدل کردن فرآیندهای رسوبی،این شبکه ها می توانند در مدل کردن مساله انتقال رسوب بکار روند. در این مقاله با استفاده از شبکه پرسپترون چند لایه (Multi Layer Perceptron) و شبکه پایه شعاعی (Radial Basis Function) ، میزان بار معلق رودخانه زهره پیش بینی شده و با نتایج بدست آمده از روش مرسوم منحنی سنجه رسوب Rating Curve) (Sediment مورد مقایسه و بررسی قرار گرفته است. نتایج حاکی از برتری شبکه پرسپترون چند لایه در پیش بینی بار معلق، خصوصاٌ در دبی های بالای جریان بوده است.

کلیدواژه‌ها:

شبکه عصبی مصنوعی، رسوب، هوش مصنوعی، پرسپترون چند لایه، شبکه پایه شعاعی، منحنی سنجه

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-NCCE01-069_0129679559.html
کد COI مقاله: 069_0129679559

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:
میرباقری, سیداحمد و طاهر رجائی، ۱۳۸۳، تخمین بار معلق رودخانه زهره با استفاده از شبکه عصبی مصنوعی، اولین کنگره ملی مهندسی عمران، تهران، دانشگاه شریف، عمران، https://www.civilica.com/Paper-NCCE01-069_0129679559.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: (میرباقری, سیداحمد و طاهر رجائی، ۱۳۸۳)
برای بار دوم به بعد: (میرباقری و رجائی، ۱۳۸۳)
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 :

  • Mirbagheri, S. A., Kenneth, K. Tanji., And Ray, B. Krone. ...
  • ASCE Task Committee On Application of Artificial Neural Networks in ...
  • Nagy, H. M., Watanabe, K., and Hirano, M., (2001). "Prediction ...
  • Jain, S. K., (2001). "Development of integrated sediment rating curves ...
  • منتظر، غ.، ذاکر مشفق، م. و قدسیان، م. (۱۳۸۱). "تخمین ... (مقاله کنفرانسی)
  • Haykin, S. (1994). Neural Networks: _ comp rehensive foundation. MacMillan, ...
  • Fausett, L.V. (1994). Fundamentals of neural networks: Architecture, algorithms and ...
  • کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش ۱۰ 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: ۱۲۲۰۰
    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.