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

مقایسه مدلهای کلاسیک سری زمانی و هوش مصنوعی در تعیین سطح تراز آب زیرزمینی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۰۶۰ | نظرات: ۰
سرفصل ارائه مقاله: سازه های هیدرولیکی و دریایی
سال انتشار: ۱۳۹۰
کد COI مقاله: NCCE06_0809
زبان مقاله: فارسی
حجم فایل: ۴۵۹.۵۸ 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 مدلهای کلاسیک سری زمانی و هوش مصنوعی در تعیین سطح تراز آب زیرزمینی

  زهرا قدم پور - عضو هیات علمی دانشگاه آزاد اسلامی واحد استهبان
  مهشید شقاقیان - استاد دانشگاه آزاد اسلامی واحد علوم و تحقیقات فارس

چکیده مقاله:

تعیین مدل بهینه جهت پیش بینی تراز آب زیر زمینی یکی از مسائل بحث برانگیزی است که محققین مختلف با آن مواجه می باشند. در این تحقیق از دو روش هوش مصنوعی وآنالیزکلاسیک سری های زمانی برای تعیین تراز آب زیر زمینی در منطقهUnion County در ایالت نیوجرسی آمریکا استفاده شده است. در پیش بینی براساس روش شبکه عصبی، دوره تاثیر 80 روزه به عنوان دوره برتر با استفاده از سعی وخطا و معماری شبکه به صورت روش پیشخور پس انتشاری با تعداد 20 نورون مخفی می باشد. در روش آنالیز سری زمانی با استفاده از مشاهدات و از بین مدل های کلاسیک ، مدلARMA مدل مناسب جهت برازش بر مبنای پیش بینی ها با سطح اعتماد 95 % انتخاب گردید.

کلیدواژه‌ها:

مدل ARIMA،شبکه عصبی،پیش بینی تراز آب زیر زمینی، آنالیزکلاسیک سری زمانی

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_0809.html
کد COI مقاله: NCCE06_0809

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:
قدم پور, زهرا و مهشید شقاقیان، ۱۳۹۰، مقایسه مدلهای کلاسیک سری زمانی و هوش مصنوعی در تعیین سطح تراز آب زیرزمینی، ششمین کنگره ملی مهندسی عمران، سمنان، دانشگاه سمنان، https://www.civilica.com/Paper-NCCE06-NCCE06_0809.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: (قدم پور, زهرا و مهشید شقاقیان، ۱۳۹۰)
برای بار دوم به بعد: (قدم پور و شقاقیان، 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 :

  • Knotters, M and Van Walsum, P. E. V., (1997), "Estimating ...
  • Van Geer, F. C. and Zuur, A. F., (1997), _ ...
  • Bierkens, . F. P., (1998), "Modeling water table fluctuations by ...
  • Knotters, M. and Bierkens, M. F. P., (2000), "Physical basis ...
  • I. N. Daliakopoulos, P. Coulibaly, and I. K. Tsanis, (2005) ...
  • Dillip K.G., Sudhansu S. P., Prakash C. S., (2010) _ ...
  • H. Wong, W. C. Ip, R. Q. Zhang, and J. ...
  • Y. M. Kuo, C. W. Liu, and K. H. Lin, ...
  • M. Aqil, I. Kita, A. Yano, and S. Nishiyama, (2007) ...
  • Rizzo, D. M. and Dougherty, D. E., (1994), _ Characteriz ...
  • Ranjithan, R. S., Eheart, D. E., and Garrett, J. H., ...
  • Morshed, J. and Kaluarachchi, J. J., (1998), :Parameter estimation using ...
  • neural network modeling of water Artificial؛ه 13- Coulibaly, P., Anctil, ...
  • Z.P. Yang, W.X. Lu , Y.Q. Long, P. Li, (2009), ...
  • و ۷ اردیبهشت ۱۳۹۰، دنشگاه سمنان، سمنان، ایران ...
  • Arena, C., Cannarozzo, M., Mazzola, M.R. (2006), "Multi-year drought frequency ...
  • Hipel, K.W., Mcleod, A.I., (1994) :Time series modelling of water ...
  • Bierkens, M.F.P., Knotters, M., van Geer, F.C., (1 999) "Calibration ...
  • Ahn, H., (2000), "Modeling of groundwater heads based on second-order ...
  • Durdu, O. F., (2010), _ hybrid neural network and ARMA ...
  • http : //waterdata .uSgs .gov/nwis/dv/? site_no=404 106074 1 7 1 ...
  • Rumelhart, D. E., Hinton, G. E., and Williams, R. J., ...
  • Haykin, S. (1999) :Neural Network", Prentice Hall, Inc. ...
  • Brockwell, P. J., Davis, R. A., (2002), :Introduction to time ...
  • Chatfield, C., (1996), "The analysis of time series An introduction", ...
  • Fausett, L. (1995)، FFundamentas of neural networks", Prentice Hal ...
  • Haykin, S. (1999) :Neural Network", Prentice Hall, Inc. ...
  • کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش ۸ مقاله استفاده شده است.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۱۱۳۶
    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.