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

پیش بینی احتمالاتی هیدرولوژیکی با استفاده از شبکه های عصبی آماری

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۲۸۲ | نظرات: ۰
سرفصل ارائه مقاله: تغییر اقلیم، سیلاب و خشکسالی
سال انتشار: ۱۳۸۵
کد COI مقاله: WRM02_221
زبان مقاله: فارسی
حجم فایل: ۳۸۳.۸۱ کلیوبایت (فایل این مقاله در ۸ 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 ۸ 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 پیش بینی احتمالاتی هیدرولوژیکی با استفاده از شبکه های عصبی آماری

  شهاب عراقی نژاد - دانشکده مهندسی آب و خاک، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران

چکیده مقاله:

پیش بینی متغیرهای هیدرولوژیکی یکی از مهم ترین چالش ها در برنامه ریزی و مدیریت منابع آب است. استفاده از پیش بینی های احتمالاتی به ویژه در افق های زمانی بلند مدت، نسبت به پیش بینی های قطعی از اولویت بیشتری برخوردار بوده و با واقعیت ها انطباق بیشتری دارد. شبکه های عصبی مصنوعی ابزار مناسبی برای پیش بینی سیستم های غیر خطی نظیر پیش بینی های هیدرولوژیکی می باشند. هرچند ضعف بزرگ اغلب این نوع شبکه ها، ارائه تخمین های قطعی وغیر احتمالاتی است. در این مقاله برای غلبه بر این ضعف شبکه های عصبی متداول و به عنوان یک راه حل مناسب ، یک شبکه عصبی آماری تدوین و ارائه میشود. این شبکه ترکیبی از شبکه های عصبی آماری و شبکه عصبی پرسپترون چند لایه می باشد که ازمزیت هر دوی این شبکه ها برای انجام پیش بینی های احتمالاتی به ویژه در شرایط غیر همگن بهره می برد. عملکرد شبکه عصبی ترکیبی ارائه شده، شبکه عصبی RBF و مدل آماری K-NN در قالب پیش بینی حجم رواناب فصلی ورودی به سد زاینده رود مقایسه می گردد. نتایج، نشان دهنده برتری شبکه عصبی ترکیبی ارائه شده در ارائه پیش بینی های بلند مدت بر اساس دو معیار دقت و اطمینان پذیری پیش بینی می باشد.

کلیدواژه‌ها:

شبکه های عصبی مصنوعی آماری ، پیش بینی هیدرولیکی ، شبکه عصبی ترکیبی ، پیش بینی های احتمالاتی

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_221.html
کد COI مقاله: WRM02_221

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:
عراقی نژاد, شهاب، ۱۳۸۵، پیش بینی احتمالاتی هیدرولوژیکی با استفاده از شبکه های عصبی آماری، دومین کنفرانس مدیریت منابع آب، اصفهان، دانشگاه صنعتی اصفهان، انجمن علوم و مهندسی منابع آب ایران، https://www.civilica.com/Paper-WRM02-WRM02_221.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: (عراقی نژاد, شهاب، ۱۳۸۵)
برای بار دوم به بعد: (عراقی نژاد، 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 :

  • Coulibaly, P., Anctil, F. and Bobee, B. (2000). «Daily reservoir ...
  • Hsu, K.-L., Gupta, H.V. and Sorooshian, S. (1995).، Artificial neural ...
  • عراقی نژاد، شهاب و کارآموز، محمد، (۱۳۸۴)، پیش بینی بلند ...
  • Piechota, T.C., Chiew, F.H.S., Dracup, J.A. and McMahon, T.A. _ ...
  • -lead Streamflow Forecasting using Long؛ , (2006) [5] Araghinejad. S, ...
  • Moradkhani, H., K. Hsu, H. V. Gupta and S. Sorooshian, ...
  • Lall, U., and Sharma, A., ،A nearest neighbor bootstrap for ...
  • Toth, K., A. Brath, and A. Montanari, *Comparison of short-term ...
  • Yates D., S. Gangop adhyay, B. Rajagopalan, K. Strzepek., 4A ...
  • Karlsson, M. and Yakowitz, S., (1987), _، Neare st-neighbor methods ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۶۳۸۷۴
    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.