CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی رسوب در حوضه رودخانه زرینه رود با استفاده از روش شبکه های عصبی مصنوعی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۷۶۹ | نظرات: ۰
سال انتشار: ۱۳۹۲
کد COI مقاله: NCTOCE01_068
زبان مقاله: فارسی
حجم فایل: ۴۶۷.۶۱ کیلوبایت (فایل این مقاله در ۹ 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.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۹ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی رسوب در حوضه رودخانه زرینه رود با استفاده از روش شبکه های عصبی مصنوعی

  مهین نجف دیزجی - دانشجوی کارشناسی ارشدزمین شناسی– سنگ های رسوبی و رسوب شناسی دانشگاه آزاد اسلامی واحد تبریز
  عادل نجف زاده - دکتری زمین شناسی ، استاد دانشگاه آزاد اسلامی تبریز
  رامین رستمی - دکتری علوم ومهندسی آبیاری، استادیار دانشگاه آزاد اسلامی میاندوآب
  جواد خانی - فوق لیسانس منابع آب ، هینت علمی مرکز تحقیقات و منابع طبیعی استان آذربایجان غربی

چکیده مقاله:

پیش بینی رسوب از جمله مسائل مهم وکاردبردی در مدیریت منابع آب است .اندازه گیری به روش های مرسوم مستلزم صرف هزینه و دقت زیادی است وگاهی از دقت کافی برخوردار نیست . یک از روش های نوین در حل مسائل منابع آب و رودخانه استفاده از روش شبکه عصبی مصنوعی است با الگو برداری از مغز انسان ضمن اجرا فرآیند آموزش ، روابط بین داده های را نیز استخراج می کند. در این مطالعه از داده های دبی رودخانه ، غلظت رسوب، میزان رسوبات حمل شده، دما و بارش در سه ایستگاه قبقبلو، پل آنیان و ساریقمیش که کاملترین آمار را نسبت به سایر ایستگاه های حوضه زرینه رود داشتند استفاده گردید. بدین منظور بعد از رفع نواقص آماری و حذف داده های پرت، 60 درصد داده ها جهت آموزش ، 10 درصد اعتبار سنجی و 30 درصد برای آزمون مورد استفاده قرار گرفت. بعد از استاندارد کردن داده ها به روش نرمالیزه کردن شبکه های عصبی پرسپترون چندلایه، آنالیز مولفه های اصلی، مدل عصبی، تابع پایه شعاعی و شبکه پیشخور عمومی با توابع انتقالی تانژانتی، سیگوئیدی، تانژانت خطی و سیگموئید خطی ایجاد شد.به این منظور از معیار هایMSE, MAE وR2 استفاده گردید. نتایج نشانگر عملکرد بهتر پرسپترون چندلایه با ضریب رگرسیون 0/92در ایستگاه قبقبلو، در ایستگاه ساریقمیش شبکه پیشخور عمومی با ضریب رگرسیون0/90وشبکه مدل عصبی با ضریب رگرسیون 0/885 در ایستگاه پل آنیان در برآورد رسوبات است

کلیدواژه‌ها:

حوضه زرینه رود، شبکه عصبی، ساریقمیش، قبقبلو، پل آنیانMNN,GFF,RBFMLPPCA/

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-NCTOCE01-NCTOCE01_068.html
کد COI مقاله: NCTOCE01_068

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:
نجف دیزجی, مهین؛ عادل نجف زاده؛ رامین رستمی و جواد خانی، ۱۳۹۲، پیش بینی رسوب در حوضه رودخانه زرینه رود با استفاده از روش شبکه های عصبی مصنوعی، کنفرانس ملی تکنیکهای نوین محاسباتی و بهینه سازی در مهندسی عمران، سقز، دانشگاه آزاد اسلامی واحد سقز، https://www.civilica.com/Paper-NCTOCE01-NCTOCE01_068.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: (نجف دیزجی, مهین؛ عادل نجف زاده؛ رامین رستمی و جواد خانی، ۱۳۹۲)
برای بار دوم به بعد: (نجف دیزجی؛ نجف زاده؛ رستمی و خانی، ۱۳۹۲)
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 :

  • آوریده، ف. و همکارانش، ۱۳۸۰، کاربرد شبکه های صبی مصنوعی ... [مقاله کنفرانسی]
  • طلوعی، س. و همکاران، ۱۳۹۰، تخمینزمانی ومکانیبارمعلقرودخا نهآجی چایبااستفادهاز زمینآماروشبکهعصبی ...
  • Kisi, O. 2006. Daily pan evaporation modelling using a neuro-fuzzy ...
  • داننده _ وجدزادهطباطبایی، ۳۸۹ ا.بریتاثیرتوالی دبیروزانهدرپیش بینی جریانرودخانه هابااستفادهازبرنامه ریزیژنتیک. ...
  • دهقانی امیراحمد و همکاران ۱۳۸۹ تخمینتبخیرروزا نهازتشتبخیربا ستفا دها اهشبکهعبیپرسپترونچند ... (مقاله ژورنالی)
  • Cigizoglu, H., 2002, Suspended Sediment Estimation for Rivers using Arti_cial ...
  • Bayram, Adem et al, 2011, Estimation of suspended sediment concentration ...
  • رضایی ارشد، ر. و همکاران، ۱۳۹۰، مقایسه‌روش ها یشبکهعصبیمصنوعیو رگرسیو ... (مقاله ژورنالی)
  • Panu, U.S., Khalil, M., Elshorbagy, A., _ Streamflow data infilling ...
  • Rumelhart, D. E., Hinton, G. E., Williams, R. J., (1986). ...
  • حق وردی، ا. وهمکاران، ۳۹۰ ۱، مقا یسهروشها یمختلفهوشمصنوعید رمد ... (مقاله ژورنالی)
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۱۰۰۵۰
    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.