CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

بررسی عملکرد تبدیلات موجک و لگاریتم در بهبود کارایی مدلهای هوشمند مطالعه موردی: بار رسوب معلق رودخانه Skunk

اعتبار موردنیاز : ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۱۰۵ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: SDEWE01_074
زبان مقاله: فارسی
حجم فایل: ۴۲۹.۳۱ کیلوبایت (فایل این مقاله در ۷ 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 ۷ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بررسی عملکرد تبدیلات موجک و لگاریتم در بهبود کارایی مدلهای هوشمند مطالعه موردی: بار رسوب معلق رودخانه Skunk

  سعید فرزین - استادیار، دانشکده مهندسی عمران، دانشگاه سمنان
  مریم نعیمی - استادیار، دانشکده مهندسی عمران، دانشگاه سمنان
  رضا حاجی آبادی - دانشجوی دکتری، دانشکده عمران، دانشگاه علم وصنعت ایران

چکیده مقاله:

یکی از دلایل پیچیدگی پیشبینی پدیدههای هیدرولوژیکی وجود نویز و نوسانات با فرکانس بالا در آنها میباشد. در این تحقیق با بهرهگیری از دو مدل هوشمند شبکه عصبی مصنوعی و برنامهریزی بیان ژن، بار رسوب معلق رودخانهSkunk واقع در ایالت آیوا آمریکا مدلسازی گردید. در ادامه، تاثیر نویززدایی توسط تبدیلات موجک و پیش پردازش توسط تبدیلات لگاریتمی، در بهبود نتایج مورد بررسی قرار گرفت. نتایج حاکی از آن است که دقت هر دو مدل هوشمند با سری زمانی نویززدایی شده نسبت به حالت بدون نویززدایی افزایش قابل توجهی داشته است. نتایج مربوط به شبکه عصبی مصنوعی آموزش دیده با سری زمانی پیش پردازش شده توسط تبدیلات لگاریتمی نیز بررسی گردید. نتایج نشان داد که با وجود سادگی عملکرد توابع لگاریتمی نسبت به نویززدایی توسط تبدیلات موجک نتایج تا حدود زیادی (اندکی کمتر از نویززدایی) بهبود یافته است. همچنین بر خلاف حالت نویززدایی، داده پیشبینی شده منفی نیز وجود ندارد؛ در حالیکه پیش پردازش توسط تبدیلات لگاریتمی در مدل برنامهریزی بیان ژن بهبودی در نتایج ارائه نکرده است و تا حدود اندکی باعث افزایش خطا گردیده است.

کلیدواژه‌ها:

برنامه ریزی بیان ژن، شبکه عصبی مصنوعی، نویززدایی، تبدیل موجک، تبدیل لگاریتمی، بار رسوب معلق، رودخانهSkunk

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-SDEWE01-SDEWE01_074.html
کد COI مقاله: SDEWE01_074

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:
فرزین, سعید؛ مریم نعیمی و رضا حاجی آبادی، ۱۳۹۴، بررسی عملکرد تبدیلات موجک و لگاریتم در بهبود کارایی مدلهای هوشمند مطالعه موردی: بار رسوب معلق رودخانه Skunk، اولین کنفرانس ملی توسعه پایدار در سیستم های مهندسی انرژی، آب و محیط زیست، تهران، دانشگاه علم و صنعت ایران، https://www.civilica.com/Paper-SDEWE01-SDEWE01_074.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: (فرزین, سعید؛ مریم نعیمی و رضا حاجی آبادی، ۱۳۹۴)
برای بار دوم به بعد: (فرزین؛ نعیمی و حاجی آبادی، ۱۳۹۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۷۰۴۳
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.