CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

مدلسازی برآورد تبخیر با استفاده از روش شبکه عصبی BFGS و مدل رگرسیون خطی محلی (LLR )

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۱ | تعداد نمایش خلاصه: ۴۶۸ | نظرات: ۰
سال انتشار: ۱۳۹۱
کد COI مقاله: RWD03_051
زبان مقاله: فارسی
حجم فایل: ۲۰۳.۰۶ کیلوبایت (فایل این مقاله در ۱۱ 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 ۱۱ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مدلسازی برآورد تبخیر با استفاده از روش شبکه عصبی BFGS و مدل رگرسیون خطی محلی (LLR )

  علی درخشان هوره - دانشجوی کارشناسی ارشد منابع طبیعی دانشگاه شهرکرد
  کامران فلاح پور - دانشجوی کارشناسی ارشد منابع طبیعی دانشگاه شهرکرد
  فرامرز مردانی - دانشجوی کارشناسی ارشد منابع طبیعی دانشگاه شهرکرد
  پژمان طهماسبی - استادیار دانشکده منابع طبیعی دانشگاه شهرکرد

چکیده مقاله:

تبخیر،همچون بخش مهمی از چرخه هیدرولوژی،نقش کلیدی در توسعه و مدیریت منابع در منطق خشک و نیمه خشک بازی می کند.اگر چه روش های تجربی زیادی وجود دارد با این حال به علت پیچیدگی طبیعت فرآیند تبخیر و داده های موجود،انجام آنها چندان رضایت بخش نیست.در این تحقیق یک مدل براورد تبخیر بر اساس روش شبکه عصبی(BFGSNN) و مدل خطی محلی(LLR) ایجاد شد،BFGSNN با ضریب همبستگی معادل0/723 و روش LLR با ضریب همبستگی برابر 0/562 ) اگر چه این دو روش به نظر قوی است،انتخاب داده های ورودی کاملا سخت و پیچیده می باشد.در این تحقیق از الگوریتم (GA) برای انتخاب بهترین ترکیب ورودی استفاده می شود.بسیاری از مطالعات به نتایج حاصل از این بخش نیازمندند.در این تحقیق از آزمون گاما (GT)،برای انتخاب داده های آموزشی استفاده می شود،و همچنین این روش مهمترین عوامل موثر در تبخیر را تعیین میکند.

کلیدواژه‌ها:

تبخیر،شبکه عصبی،مدل رگرسون خطی محلی،آزمون گاما

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-RWD03-RWD03_051.html
کد COI مقاله: RWD03_051

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:
درخشان هوره, علی؛ کامران فلاح پور؛ فرامرز مردانی و پژمان طهماسبی، ۱۳۹۱، مدلسازی برآورد تبخیر با استفاده از روش شبکه عصبی BFGS و مدل رگرسیون خطی محلی (LLR )، سومین همایش ملی دانشجویی مرتع، آبخیز و بیابان، کرج، انجمن علمی دانشجویی گروه احیاء مناطق خشک و کوهستانی، https://www.civilica.com/Paper-RWD03-RWD03_051.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: (درخشان هوره, علی؛ کامران فلاح پور؛ فرامرز مردانی و پژمان طهماسبی، ۱۳۹۱)
برای بار دوم به بعد: (درخشان هوره؛ فلاح پور؛ مردانی و طهماسبی، ۱۳۹۱)
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 :

  • پیری، جمشید.، ۱۳۸۶. شبیه سازی مدل تبخیر برای چاه نیمه ...
  • طراکار، م.، ۱۳۸۴. پیش‌بینی قیمت برخی محصولات زراعی در استان ...
  • غفاری، م.، ۱۳۸۷. برآورد تبخیر از مخازن چاه نیمه زابل ... (مقاله کنفرانسی)
  • کوچک‌زاده .، و بهمنی، ع.، ۱۳۸۴. ارزیابی شبکه‌های عصبی مصنوعی ... (مقاله ژورنالی)
  • مشیری، م.، صمدزادگان، ف.، عباسپور، _ و سعیدی، س.، ۱۳۸۵. ...
  • منهاج، .، ۱۳۸۴. مبانی شبکه‌های عصبی. چاپ سوم. مرکز نشر ...
  • منهاج، .، ۱۳۷۷. مبانی شبکه‌های عصبی (هوش محاسباتی). نشر دکتر ...
  • هاشمی نیا، سید مجتبی.، (ترجمه). ۱۳۷۸. تبخیر، تبخیر- تعرق وداده‌های ...
  • Hsu, K., Gupta, H., and Sorooshian, S., 1995. Artificial Neural ...
  • Kisi, O., 2006. Daily pan evaporation modeling using a neuro-fuzzy ...
  • Koncar, N., 1997. Optimisation methodologies for direct inverse neurocontrol. PhD ...
  • Metin Ertunc, H., and Hosoz, M., 2008. Comparative analysis of ...
  • Mo ghaddamnia A., Ghafari Gousheh M., Piri J., Amin S., ...
  • Molina.M, J.M., Martnez.A, V., Gonzalez -Real, M.M., Baille, A., 2006. ...
  • Stefansson, A., Koncar, N., and Jones, A.J., 1997.A note on ...
  • White, H., 1988. Economic prediction using Neural Networks: The case ...
  • Wu, S., 1995. Artificial Neural Networks in Forecasting, Neural Networks ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۵۷۵۷
    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.