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

مقایسه دو روش شبکه عصبی مصنوعی و سری زمانی در پیش بینی میزان جریان رودخانه

اعتبار موردنیاز: ۱ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۳۳۹۶ | نظرات: ۰
سرفصل ارائه مقاله: تغییر اقلیم، سیلاب و خشکسالی
سال انتشار: ۱۳۸۵
کد COI مقاله: WRM02_218
زبان مقاله: فارسی
حجم فایل: ۳۸۹.۴۳ کلیوبایت (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. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF 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 : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله مقایسه دو روش شبکه عصبی مصنوعی و سری زمانی در پیش بینی میزان جریان رودخانه

  محبوبه کفیل - کارشناسی ارشد سازه های آبی دانشگاه مازندران
  میرخالق ضیاء تبار احمدی - استاد گروه آبیاری دانشگاه مازندران

چکیده مقاله:

برنامه ریزی، توسعه، مدیریت و بهره برداری بهینه از سیستم های منابع آب، ضرورت دسترسی به اطلاعات متنوعی را در زمینه های هواشناسی، هیدرولوژی ، اقتصادی، اجتماعی و … تداعی می نماید. مدلهای ریاضی موجود به داده های فراوانی در زمینه های متعدد نیاز دارند. در سالهای اخیر، از شبکه های عصبی مصنوعی به دلیل توانمندی آنها در حل مسائل پیچیده و غیر خطی، به طرز قابل توجهی در شبیه سازی فرآیندهای مختلف استفاده شده است. در این تحقیق با استفاده از شبکه عصبی پرسپترون سه لایه با تابع تاتژانت سیگموئید (tansig) در لایه مخفی و تابع خطی (purelin) در لایه خروجی و متد آموزش لونبرگ – مارکوات (LM) و با استفاده از اطلاعات ایستگاه های آبسنجی موجود درحوزه، مدلی برای پیش بینی جریان روزانه و ساعتی در خروجی حوزه کر – چمریز ، ایجاد و نتایج آن با روش خطی سری زمانی اتورگرسیو و رگرسیون چندگانه مقایسه شده است. در تمام الگوهای به کار رفته در مقیاس زمانی روزانه عملکرد شبکه عصبی بهتر ازروشهای اتورگرسیو و رگرسیون چندگانه بوده است ولی در مقیاس زمانی ساعتی نتایج بر عکس بوده است.

کلیدواژه‌ها:

پیش بینی جریان رودخانه ، سیستم های هشدار سیل ، پرسپترون چند لایه ، پس انتشار خطا ، اتورگرسیو ، رگرسیون چندگانه

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-WRM02-WRM02_218.html
کد COI مقاله: WRM02_218

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:
کفیل, محبوبه و میرخالق ضیاء تبار احمدی، ۱۳۸۵، مقایسه دو روش شبکه عصبی مصنوعی و سری زمانی در پیش بینی میزان جریان رودخانه، دومین کنفرانس مدیریت منابع آب، اصفهان، دانشگاه صنعتی اصفهان، انجمن علوم و مهندسی منابع آب ایران، https://www.civilica.com/Paper-WRM02-WRM02_218.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: (کفیل, محبوبه و میرخالق ضیاء تبار احمدی، ۱۳۸۵)
برای بار دوم به بعد: (کفیل و ضیاء تبار احمدی، ۱۳۸۵)
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 :

  • منهاج، م. ب. (۱۳۷۷). هوش محاسباتی(جلد اول)، مبانی شبکه های ...
  • مهندسین مشاور زیست کاو. (۱۳۷۶ الف). مطالعات هیدرو کلیماتولوژی سیستم ...
  • ASCE Task Committee _ Application of Artificial Neural Network In ...
  • Cigizoglu, H.K. (2005). "Application of generalized regression neural networks to ...
  • Dolling, O. R. and Varas, E. A. (2002). "Artificial neural ...
  • Fausett, L. V. (1994). Fundumental of Neural Networks: Architecture, Algorithms ...
  • Salas, J. D. and Delleur, J. W. (1997). Applied modeling ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۷۵۲۰
    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.