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

تحلیل حساسیت توابع محرک مدل شبکه عصبی مصنوعی در تخمین غلظت رسوبات معلق

اعتبار موردنیاز: ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۱۴۷۲ | نظرات: ۰
سال انتشار: ۱۳۸۷
کد COI مقاله: NCCE04_316
زبان مقاله: فارسی
حجم فایل: ۱.۲۵ مگابات (فایل این مقاله در ۷ 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 ۷ 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 تحلیل حساسیت توابع محرک مدل شبکه عصبی مصنوعی در تخمین غلظت رسوبات معلق

  سیدتقی (امید) نایینی - استادیار دانشکده مهندسی عمران پردیس دانشکده های فنی دانشگاه تهران
    مسعود منتظری نمین (شناسه پژوهشگر - Researcher ID: ۱۷۱۱)
استادیار دانشکده مهندسی عمران پردیس دانشکده های فنی دانشگاه تهران
محسن محمدزمانی - دانشجوی کارشناسی ارشد مهندسی عمران - آب، دانشکده مهندسی عمران، پردیس
فواد سلطانی - مربی و عضو هیئت علمی موسسه آموزش عالی عمران آبادانی و توسعه

چکیده مقاله:

تخمین و ارزیابی حجم رسوب انتقال یافته در رودخانه از جمله مسائل مهم در مهندسی هیدرولیک و مهندسی محیط زیست است و از دیدگاه فرسایش، رسوب گذاری، برداشت مصالح از رودخانه، کشتیرانی و مدیریت بهره برداری از سدها همواره برای مهندسین و دانشمندان حایز اهمیت بوده است . ماهیت غیر خطی و همچنین دامنه تغییرات وسیع در غلظت بار رسوبی، ایجاب می کند که یک روش غیر خطی برای برآورد و ارزیابی بار رسوبی به کار گرفته شود . این مقاله با استفاده از شبکه های عصبی مصنوعی به پیش بینی توزیع غلظت بار رسوبات معلق می پردازد . برای این
منظور از روش الگوریتم پس انتشار ) (Back Propagation استفاده می شود . جهت آموزش و آزمایش مدل شبکه عصبی از داده های رودخانه های Mississippi و Colorado استفاده شده است . نتایج نشان دهنده این واقعیت است که مدل شبکه عصبی توانایی بالایی در مدل سازی بار معلق رسوب رودخانه داشته است . همچنین در این تحقیق در جهت افزایش دقت مدل بر روی توابع محرک و نیز پارامترهای ورودی به مدل شبکه عصبی تحلیل حساسیت لازم صورت پذیرفته است . نتایج حاکی از آن است که پارامترهای بدون بعد لورسن همبستگی مناسبی با رسوبات دارند .

کلیدواژه‌ها:

غلظت بار رسوبی، شبکه های عصبی مصنوعی، الگوریتم پس انتشار، تحلیل حساسیت

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-NCCE04-NCCE04_316.html
کد COI مقاله: NCCE04_316

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:
نایینی, سیدتقی (امید)؛ مسعود منتظری نمین؛ محسن محمدزمانی و فواد سلطانی، ۱۳۸۷، تحلیل حساسیت توابع محرک مدل شبکه عصبی مصنوعی در تخمین غلظت رسوبات معلق، چهارمین کنگره ملی مهندسی عمران، تهران، دانشگاه تهران، https://www.civilica.com/Paper-NCCE04-NCCE04_316.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: (نایینی, سیدتقی (امید)؛ مسعود منتظری نمین؛ محسن محمدزمانی و فواد سلطانی، ۱۳۸۷)
برای بار دوم به بعد: (نایینی؛ منتظری نمین؛ محمدزمانی و سلطانی، ۱۳۸۷)
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 :

  • ASCE, 2000a. Artificial neural networks in hydrology: 1. Preliminary concepts. ...
  • ASCE, 2000b. Artificial neural networks in hydrology: 2. Hydrology applications. ...
  • Miller, B., Reinhardt, J., Strickland, M.T. (1995) Neural Networks: anIntroducti ...
  • Abrahart, R.J., White, S.M. (2001) Modelling sediment transfer in Malawe: ...
  • Jain, S.K. (2001) Development of integrated sediment rating curvesusing ANNs. ...
  • Tayfur, G. (2002) Artificial neural networks for sheet sediment transport. ...
  • Kisi, O. (2004) Multi-layer perceptions with Levenb erg-Marquardt training algorithm ...
  • Agarwal, A., Singh, R.D., Mishra, S.K., Bhunya, P.K. (2005) ANN-based ...
  • Murat Alp, H. Kerem Cigizoglu. (2005) Suspended sediment load simulation ...
  • Yun-Mei Zhu, X.X. Lu a, Yue Zhou. (2006) Suspended sediment ...
  • 1. Emrah, Dogan. Ibrahim, Yiksel. Ozgiir, Kisi. (2007) Estimation of ...
  • 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: ۶۳۸۷۴
    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.