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

پیش بینی سیل در حوضه های فاقد آمار با استفاده از شبکه های عصبی مصنوعی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۹۹۰ | نظرات: ۰
سرفصل ارائه مقاله: آب
سال انتشار: ۱۳۸۶
نوع ارائه: شفاهی
کد COI مقاله: NCCE03_235
زبان مقاله: فارسی
حجم فایل: ۲۳۲.۴۲ 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 سیل در حوضه های فاقد آمار با استفاده از شبکه های عصبی مصنوعی

  مهسا حسنپور کاشانی - کارشناسی ارشد سازه های آبی دانشگاه ارومیه
  مجید منتصری - استادیار گرو آب دانشکده کشاوزی دانشگاه ارومیه
  محمدعلی لطف الهی یقین - استادیار گروه آب دانشکده عمران دانشگاه تبریز

چکیده مقاله:

شبکه های عصبی مصنوعی (ANNs) در زمینه مدلسازی های هیدرولوژیکی بطور وسیع مورد استفاده قرار گرفته اند. با وجود این، توجه کمتری به استفاده از این ابزار جهت برآورد سیل در حوضه های فاقد آمار که یکی از پیچیده ترین مسائل هیدرولوژیستها است، شده است. در این مقاله، توانایی دو نوع شبکه عصبی، شبکه MLP و شبکه Elman، در پیش بینی سیل های T ساله حوضه های غرب و جنوب دریاچه ارومیه با استفاده از نرم افزار MATLAB 7.0.4 بررسی و با نوع جدید مدل رگرسیون چندگانه مقایسه شده اند. بدین منظور، ابتدا شبکه های عصبی با استفاده از داده های فیزیوگرافی و اقلیمی منتخب مدل رگرسیون چندگانه، آموزش دیده و سپس بهترین ساختار بهترین ساختار شبکه، جهت برآورد سیلابهای T ساله حوضه های مشابه فاقد آمار بر اساس ضریب همبستژی بین دبی های مشاهداتی و محاسباتی انتخاب شده است. نتایج بدست آمده، توانایی ANN را در پیش بینی سیل های T ساله و نیز تاثر انتخاب نوع شبکه را در دقت پیش بینی ثابت نموده است.

کلیدواژه‌ها:

شبکه عصبی MLP ، شبکه عصبی Elman ، مدل رگرسیون جدید ، پیش بینی ، حوضه های فاقد آمار

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-NCCE03-NCCE03_235.html
کد COI مقاله: NCCE03_235

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:
حسنپور کاشانی, مهسا؛ مجید منتصری و محمدعلی لطف الهی یقین، ۱۳۸۶، پیش بینی سیل در حوضه های فاقد آمار با استفاده از شبکه های عصبی مصنوعی، سومین کنگره ملی مهندسی عمران، تبریز، دانشگاه تبریز، دانشکده فنی - مهندسی عمران، https://www.civilica.com/Paper-NCCE03-NCCE03_235.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: (حسنپور کاشانی, مهسا؛ مجید منتصری و محمدعلی لطف الهی یقین، ۱۳۸۶)
برای بار دوم به بعد: (حسنپور کاشانی؛ منتصری و لطف الهی یقین، ۱۳۸۶)
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 :

  • Lekkas, D.F., Onof, C., Lee, M.J., Baltas, E.A., 2004, Application ...
  • WMO, 1992, Simulated real-time intercomparison of hydrological models, In: WMO ...
  • Dawson, C.W. _ Abrahart, R.J., Shamseldin, A.Y., Wilby, R.L.2006, Flood ...
  • Demuth, H., Beale, M., 2005, Neural Network Toolbox Users Guide, ...
  • رستمی، س..، مدل بندی منطقه ای سیلاب حوضه غرب دریاچه ...
  • صالی، م.، مدل بندی منطقه ای سیلاب حوضه جنوب دریاچه ...
  • قربانی، م. و همکاران، بررسی ساختار و کارائی شبکه های ... (مقاله ژورنالی)
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۱۳۳۲۶
    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.