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

مقایسه عملکرد شبکه های عصبی مصنوعی با ورودی های مختلف و مدل های رگرسیون خطی مرکب در تخمین دبی رودخانه

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۶۹۳ | نظرات: ۰
سرفصل ارائه مقاله: مهندسی و مدیریت منابع آب
سال انتشار: ۱۳۹۰
کد COI مقاله: NCCE06_0312
زبان مقاله: فارسی
حجم فایل: ۶۲۸.۲۷ 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 مقایسه عملکرد شبکه های عصبی مصنوعی با ورودی های مختلف و مدل های رگرسیون خطی مرکب در تخمین دبی رودخانه

  محمدرضا فلاح حقگو لیالستانی - کارشناس ارشد دانشگاه فردوسی مشهد، دانشکده مهندسی، مهندسی آب
  محمدباقر شریفی - دانشیار دانشگاه فردوسی مشهد، دانشکده مهندسی، گروه عمران

چکیده مقاله:

تهیه مدل های پیش بینی جریان رودخانه یکی از مهمترین مسائل در برنامه ریزی و مدیریت منابع آب می باشد. روشهای مرسوم گذشته در این زمینه، عمدتا در قالب مدل های قطعی و اتفاقی بوده اند. ایجاد مدل پیش بینی جریان بر اساس روش های قبلی معمولا زمان زیادی نیاز دارد، به طوری که مثلا درمورد مدل های رگرسیونی، با افزایش آمار و اطلاعات، لازم است کلیه معادلات را مجددا ارزیابی و اصلاح نمود، اما در روش های اخیر نیاز به تغییرات گسترده نیست. از جمله روشهایی که امروزه در کنار روشهای کلاسیک مطرح شده، استفاده از شبکه های عصبی مصنوعی می باشد. در این پژوهش از دو نوع شبکه عصبی مصنوعیGRNN و MLPجهت پیش بینی جریان، استفاده شده است که در هر مورد شبکه با ورودی های مختلف مورد بررسی قرار گرفته است و در نهایت میزان وابستگی زمانی پارامترهای تأثیر گذار بر دبی رودخانه با استفاده از آنالیز خطای شبکه در هر حالت بدست آمده است. همچنین از مدل های رگرسیون خطی مرکب یا چند متغیره نیز به منظور مقایسه با شبکه های عصبی استفاده شده است، بدین منظور مشابه مدل های شبکه عصبی، مدل های رگرسیونی نیز با متغیرهای وابسته متفاوت مورد بررسی قرار گرفتند و در نهایت نتایج تمامی مدل ها با توجه به معیارهای سنجش خطا و نکوئی برازش ارزیابی گردیده و مدل نهایی انتخاب شده است که بیانگر عملکرد بهتر شبکه های عصبی مصنوعی نسبت به مدل های رگرسیونی به خصوص در مورد مدل های با تعداد متغیر وابسته بیشتر، می باشد

کلیدواژه‌ها:

دبی رودخانه، شبکه های عصبی مصنوعی، مدل های رگرسیون خطی مرکب، MLP، GRNN

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-NCCE06-NCCE06_0312.html
کد COI مقاله: NCCE06_0312

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:
فلاح حقگو لیالستانی, محمدرضا و محمدباقر شریفی، ۱۳۹۰، مقایسه عملکرد شبکه های عصبی مصنوعی با ورودی های مختلف و مدل های رگرسیون خطی مرکب در تخمین دبی رودخانه، ششمین کنگره ملی مهندسی عمران، سمنان، دانشگاه سمنان، https://www.civilica.com/Paper-NCCE06-NCCE06_0312.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: (فلاح حقگو لیالستانی, محمدرضا و محمدباقر شریفی، ۱۳۹۰)
برای بار دوم به بعد: (فلاح حقگو لیالستانی و شریفی، ۱۳۹۰)
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 Task Committee on Application of Artificial neural networks ...
  • . Lance E. Besaw, Donna M. Rizzo, Paul R. Bierman, ...
  • disaggregation Rainfallء: [3]. Burian, S. J., Durrans, S. R., Tomic, ...
  • _ منش، ع، (۱۳۸۴)، "شبکه‌های عصبی مصنوعی در بهینه‌سازی سازه‌ها" ...
  • _ _ (۱۳۸۱)، "ارائه روشی هوشمند به منظور برآورد حداکثر ... (مقاله کنفرانسی)
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۳۰۳۳۲
    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 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.