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

مقایسه شبکه عصبی مصنوعی و رگرسیون خطی چند متغیره در پیش بینی میزان آبدهی مخزن سد کرج

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۲۰۵۸ | نظرات: ۰
سال انتشار: ۱۳۸۷
کد COI مقاله: WRM03_198
زبان مقاله: فارسی
حجم فایل: ۱۹۵.۷۶ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۸ 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 ۸ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مقایسه شبکه عصبی مصنوعی و رگرسیون خطی چند متغیره در پیش بینی میزان آبدهی مخزن سد کرج

  سولماز رسول زاده - دانش آموخته گروه مهندسی آبیاری و آبادانی، دانشگاه تهران
    امید بزرگ حداد - استادیار گروه مهندسی آبیاری و آبادانی، دانشگاه تهران

چکیده مقاله:

در کشور ایران که در اقلیم خشک و نیمه خشک قرار دارد، سدهای مخزنی در تامین نیازهای شرب، کشاورزی و صنعت از اهمیت ویژه ای برخوردارند. در این راستا، برآورد مقدار آورد رودخانه به مخزن سد از موضوعات با اهمیت محسوب می شود. در پیش بینی مقدار جریان ورودی به مخزن سد، معمولاً از دو روش کلی مدلسازی مفهومی و مدلسازی جعبه سیاه استفاده می شود. یکی از مدل های معروف جعبه سیاه در زمینه پیش بینی جریان رودخانه، مدل شبکه عصبی مصنوعی (ANN) می باشد. همتای آماری مدل ANN ، مد لهای رگرسیون خطی، رگرسیون غیرخطی و مدل های سری زمانی می باشند، که قبل از کاربردی شدن مدل ANN کاربرد فراوانی در زمینه مدلسازی و پیش بینی آبدهی رودخانه داشته اند. در این تحقیق بررسی کارایی مدل ANN و رگرسیون خطی چند متغیره در پیش بینی دبی ورودی به مخزن سد کرج در مقیاس ماهانه انجام خواهد شد. هدف از انجام این تحقیق بدست آوردن الگویی مناسب جهت پیش بینی آبدهی ماهانه رودخانه کرج با استفاده از مدل ANN و رگرسیون خطی و مقایسه نتایج این دو مدل با یکدیگر می باشد. نتایج بدست آمده نشان می دهد که پیش بینی بر اساس آبدهی سه ماه گذشته دارای بالاترین دقت در هر دو مدل می باشد. نتایج مقایسه مدل ANN مذکور با مدل رگرسیون خطی حاکی از عملکرد بهتر مدل شبکه عصبی مصنوعی نسبت به مدل رگرسیون خطی می باشد.

کلیدواژه‌ها:

پیش بینی آبدهی, الگوی زمانی، مدل شبکه عصبی مصنوعی, مدل رگرسیون خطی

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-WRM03-WRM03_198.html
کد COI مقاله: WRM03_198

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:
رسول زاده, سولماز و امید بزرگ حداد، ۱۳۸۷، مقایسه شبکه عصبی مصنوعی و رگرسیون خطی چند متغیره در پیش بینی میزان آبدهی مخزن سد کرج، سومین کنفرانس مدیریت منابع آب، تبریز، انجمن علوم و مهندسی منابع آب ایران، دانشگاه تبریز، https://www.civilica.com/Paper-WRM03-WRM03_198.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: (رسول زاده, سولماز و امید بزرگ حداد، ۱۳۸۷)
برای بار دوم به بعد: (رسول زاده و بزرگ حداد، ۱۳۸۷)
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 :

  • Campolo, M., Andreussi, P., and Soldati, A. (1999). "A river ...
  • Sezin Tokar A. and Johnson P.A. (1999). _ Rain fall-Runoff ...
  • Elshorbaggy A. and S.P. Simonovic. (2000). "Performance evaluation of artificial ...
  • Karamouz M., Razavi S. and Araghinejad Sh. (2005). "Application of ...
  • Kumar S. A. R., Sudheer K. P., Jain S. K. ...
  • منهاج‌لالاب. (۱۳۷۷). شبکه ها ی عصبی مصنوعیلد انتشا را لالد ...
  • کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش ۷ مقاله استفاده شده است.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۴۵۱۹۵
    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.