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

مدل سازی بارش - رواناب با استفاده از روش شبکه عصبی فازی تطبیقی و مقایسه آن با روش های شبکه عصبی و استنتاج فازی مطالعه موردی : حوضه آبریزلیقوان چای واقع دراستان آ . شرقی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۷۶۶ | نظرات: ۰
سال انتشار: ۱۳۸۷
کد COI مقاله: NCCE04_680
زبان مقاله: فارسی
حجم فایل: ۳۲۲.۵۲ 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 مدل سازی بارش - رواناب با استفاده از روش شبکه عصبی فازی تطبیقی و مقایسه آن با روش های شبکه عصبی و استنتاج فازی مطالعه موردی : حوضه آبریزلیقوان چای واقع دراستان آ . شرقی

    وحید نورانی (شناسه پژوهشگر - Researcher ID: ۱۳۹۵)
استادیار گروه مهندسی آب دانشکده عمران دانشگاه تبریز
  کامران صالحی - دانشجوی کارشناسی ارشد مهندسی آب دانشگاه تبریز

چکیده مقاله:

جهت مدیریت مناسب در یک حوضه هیدرولیکی نیاز به شناخت کامل آن می باشد . می توان گفت مهمترین بخش از این شناخت مربوط به ارائه مدلی جهت معرفی بارش و رواناب آن حوضه می باشد با توجه به عدم دسترسی به اطلاعات هیدرولیکی حوضه های مورد مطالعه اغلب این مدل سازی ها بصورت هیدرولوژیکی یا گرده ای و با استفاده از آمار سالهای قبل صورت می گیرد . اغلب سعی بر این بوده است که از روش های ریاضی برای مدل سازی این پدیده استفاده شود که در مرحله واسنجی و آموزش یک مدل از تعدادی پارامترهای حوضه استفاده می شود که خود این پارامترها دقیق و بطور کامل قابل اطمینان نمی باشند .
ریاضیات فازی با ارئه تابع عضویت بجای عدد مطلق برای پارامتر مذکور دقت عمل را در ارزش دهی داده ها بالا می برد . در این مقاله مدل بارش – رواناب حوضه لیقوان چای واقع در استان آذربایجان شرقی با استفاده از سه روش شبکه عصبی ، استنتاج فازی و شبکه عصبی فازی تطبیقی ارائه می شودو بهترین مدل برای این حوضه که توسط مدل سازی با روش شبکه عصبی فازی تطبیقی می باشد با استفاده از معیارهای کنترل معمول در علم هیدرولوژی معرفی می شود که این نتیجه بیانگر این است که شبکه عصبی با مدل سازی غیر خطی و همچنین منطق فازی با ارائه توابع عضویت هرکدام به تنهائی تا حدودی قادر به بیان مدل یک حوضه هیدرولوژیکی نمی باشد ولی در صورت تلفیق این دو روش می توان گفت به نتیجه مطلوب جهت مدل سازی خواهیم رسید .

کلیدواژه‌ها:

مدلسازی بارش و رواناب ، شبکه عصبی ، سیستم استنتاج فازی ، شبکه عصبی فازی تطبیقی ، حوضه آبخیز لیقوان چای

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_680.html
کد COI مقاله: NCCE04_680

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:
نورانی, وحید و کامران صالحی، ۱۳۸۷، مدل سازی بارش - رواناب با استفاده از روش شبکه عصبی فازی تطبیقی و مقایسه آن با روش های شبکه عصبی و استنتاج فازی مطالعه موردی : حوضه آبریزلیقوان چای واقع دراستان آ . شرقی، چهارمین کنگره ملی مهندسی عمران، تهران، دانشگاه تهران، https://www.civilica.com/Paper-NCCE04-NCCE04_680.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: (نورانی, وحید و کامران صالحی، ۱۳۸۷)
برای بار دوم به بعد: (نورانی و صالحی، 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 :

  • Nayak, P. C., Sudheer, K. P., Rangan, D. M. and ...
  • سامانی، ر. احمدی، ش. و نوری، م. ۱۳۸۴، استفاده از ...
  • Mousavi, S. J., Mahdizadeh, K. and Afshar, A .2004. "A ...
  • Ponnamb alam, K., Karray, F. and Mousavi, S. J. 2003. ...
  • Kisi, O. 2005. "Suspended Sediment Estimation Using Neuro-Fuzzy and Neural ...
  • کوره پزان، امین.۱۳۸۴، اصول تئوری مجموعه‌های فازیو کاربردهای آن در ...
  • منهاج، م.ب.۳۷۹ ۱، مبانی شبکه های عصبی مصنوعی، انتشارات دانشگاه ...
  • Toth, E., Brath, A., Montanari, A. 2000. "Comparison of short-term ...
  • Jang, J. S. R., Sun, C. T. and Mizutani, E. ...
  • Itsu, K.L., Gupta, H. V. , and Sorooshian, S _ ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۲۱۱۳۶
    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.