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

مقایسه نتایج حاصل از شبکههای عصبی RBF و MLP در مدلسازی نوسانات سطح آب زیرزمینی آبخوانهای کارستی

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۴۳۸ | نظرات: ۰
سال انتشار: ۱۳۹۱
کد COI مقاله: SGSI16_042
زبان مقاله: فارسی
حجم فایل: ۱۶۷.۳۶ کیلوبایت (فایل این مقاله در ۹ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۹ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۹ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مقایسه نتایج حاصل از شبکههای عصبی RBF و MLP در مدلسازی نوسانات سطح آب زیرزمینی آبخوانهای کارستی

  لیلا مهدوی - کارشناس ارشد هیدروژئولوژی، بخش علوم زمین دانشگاه شیراز
    نوذر سامانی - استاد بخش علوم زمین دانشگاه شیراز

چکیده مقاله:

شبیه سازی نوسانات سطح آب زیرزمینی با استفاده از مدلهای عددی نیاز به شناسایی شرایط مرزی، تعیین دادههای ورودی، کالیبراسیون و صحت سنجی، دشوار، زمان بر و پرهزینه می باشد. اما روشی که در سالهای اخیر مورد توجه مهندسین هیدروژئولوژی قرار گرفته است، استفاده از شبکه های عصبی مصنوعی موسوم به پرسپترون چند لایه (MLP) و شبکههای تابع پایه شعاعی (RBF) میباشد که از پرکاربردترین شبکه ها در مسایل تقریب توابع هستند. هدف از تحقیق حاضر مقایسه این دو نوع شبکه عصبی جهت شبیهسازی نوسانات سطح آبزیرزمینی در آبخوانهای کارستی است . در تاقدیس سبزپوشان با استفاده از آمار بارندگی به عنوان دادههای ورودی و آمار آبدهی چشمه کارستی پیربنو به عنوان خروجی شبکه عصبی مصنوعی چند لایه با ساختاری شامل دو لایه میانی با 12 نرون، یک لایه خروجی با یک نرون و شبکه عصبی مصنوعی تابع پایه شعاعی با ساختاری شامل یک لایه ورودی و یک لایه مخفی با 70 نرون و یک لایه خروجی طراحی گردید . برای ساخت یا آموزش شبکه از ده سال اول آمار و برای صحت سنجی یا آزمایش شبکه از دوسال آخر آمار استفاده گردید. در مقایسه دو شبکه عصبی نتیجه می گیریم که شبکه های MLP طراحی شده از دقت بالاتری نسبت به شبکه های RBF برخوردار میباشند.

کلیدواژه‌ها:

شبکههای عصبی مصنوعی، پرسپترون چند لایه ، تابع پایه شعاعی

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-SGSI16-SGSI16_042.html
کد COI مقاله: SGSI16_042

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:
مهدوی, لیلا و نوذر سامانی، ۱۳۹۱، مقایسه نتایج حاصل از شبکههای عصبی RBF و MLP در مدلسازی نوسانات سطح آب زیرزمینی آبخوانهای کارستی، شانزدهمین همایش انجمن زمین شناسی ایران، شیراز، انجمن زمین شناسی ایران، دانشگاه شیراز، https://www.civilica.com/Paper-SGSI16-SGSI16_042.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: (مهدوی, لیلا و نوذر سامانی، ۱۳۹۱)
برای بار دوم به بعد: (مهدوی و سامانی، 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 :

  • Chow, V.T. (1978). Stochastic modeling of watershed systems. In: Advances ...
  • Lallahem, S., & Mania, J. (2004). 1 On the use ...
  • Rumelhurt, D. E., et al .(1986). "Learning internal representations by ...
  • کدام مقالات به این منبع استناد نموده اند

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۲۹۲۶
    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.