CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیشبینی دبی ماهانه رودخانه دره دزدان به منظور برنامه ریزی و مدیریت بهینه خط انتقال قم با استفاده از الگوریتم ترکیبی جدید شبکه عصبی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۸۷ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: NWWCE01_141
زبان مقاله: فارسی
حجم فایل: ۶۹۶.۶۸ 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 پیشبینی دبی ماهانه رودخانه دره دزدان به منظور برنامه ریزی و مدیریت بهینه خط انتقال قم با استفاده از الگوریتم ترکیبی جدید شبکه عصبی

  هادی قاسمی ورجانی - دانش آموخته کارشناسی ارشد مهندسی عمران مهندسی آب، دانشگاه صنعتی امیرکبیر، کارشناس بهرهبرداری سامانه خط انتقال قم
صادق محمدی - مدیر بهرهبرداری سامانه خط انتقال قم، کارشناس شرکت سهامی آب منطقهای قم

چکیده مقاله:

ضرورت انتقال آب به شهرهای ایران مرکزی به دلیل افزایش جمعیت و در پی آن افزایش نیاز آبی این شهرها در طی دهه گذشته از اهمیت بالایی برخوردار گردیده است. سامانه خط انتقال آب از سرشاخههای دز به شهر مقدس قم نیز بدین منظور به بهرهبرداری رسیده است. سه رودخانه درهلکو، دره دزدان و دره دایی و چشمه سرداب به عنوان سرشاخههای دز تامینکننده آب خط انتقال قم میباشند که از این میان رودخانه درهدزدانسهم بیشتری ) 60 درصد( دارد. در نتیجه پیشبینی دبی این رودخانه در ماههای مختلف سال میتواند کمک شایانی به مدیریت بهینه بهرهبرداری خط انتقال قم نماید. در این مطالعه با استفاده از مقادیر دبی اندازهگیریشده این رودخانه از سال 1390 تاکنون و با بکارگیری مدل ترکیبی جدیدشبکه عصبی، به طراحی مدلی مطمین برای پیشبینی دبی این رودخانه در ماههای آتی پرداخته شد. در واقع در این مدل برای آموزش شبکه عصبیاز ترکیب الگوریتمهای بهینهسازی ازدحام ذرات و لونبرگ مارکوآرت استفاده شد و نتایج نشان داد که این مدل عملکرد مناسبی در پیشبینی دبی ماهانه رودخانه دره دزدان دارد

کلیدواژه‌ها:

خط انتقال قم، مدیریت بهینه آب، شبکه عصبی، الگوریتم بهینهسازی ازدحام ذرات

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-NWWCE01-NWWCE01_141.html
کد COI مقاله: NWWCE01_141

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:
قاسمی ورجانی, هادی و صادق محمدی، ۱۳۹۵، پیشبینی دبی ماهانه رودخانه دره دزدان به منظور برنامه ریزی و مدیریت بهینه خط انتقال قم با استفاده از الگوریتم ترکیبی جدید شبکه عصبی، کنگره علوم و مهندسی آب و فاضلاب ایران، تهران، انجمن آب و فاضلاب ایران ( وابسته به کمیسیون انجمن های علمی ایران)-دانشگاه تهران - شرکت مهندسی آب و فاضلاب کشور، https://www.civilica.com/Paper-NWWCE01-NWWCE01_141.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: (قاسمی ورجانی, هادی و صادق محمدی، ۱۳۹۵)
برای بار دوم به بعد: (قاسمی ورجانی و محمدی، ۱۳۹۵)
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 :

  • Eslami, N., and Malekinezhad, H., (2016). Monthly Discharge Forecasting in ...
  • عداله پور آزاد، م. ستاری، م.ت. (۱۳۹۴)، پیش‌بینی جریان روزانه ...
  • Nabizadeh, M., Mosaedi, A., Hesam, M., and Dehghani, A.A., (2012). ...
  • پیشبینی دبی رودخانه با استفاده از ماشین بردار پشتیبان مطالعه موردی [مقاله کنفرانسی]
  • عبداللهی اسدآبادی، س. دین‌پژوه، ی. میرعباسی نجف‌آبادی، ر. (۱۳۹۳)، پیش‌بینی ...
  • Cannas, B., Fanni, A., See, L. and Sias, G. (2006). ...
  • Kisi, O. (2008). Stream flow forecasting using neuro-wavelt technique. Journal ...
  • _ Haykin, S. (1999). Neural Networks: A Comprehensive Foundation. Prentice-Hall, ...
  • Hagan, M. and Menhaj, M. (1994). Training feed forward networks ...
  • Eberhart, R. and Kennedy, J. (1995). A new optimizer using ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۹۱۸۴
    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.