ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

مقایسه روش شبکه عصبی مصنوعی و روش منحنی سنجه رسوب جهت برآورد باررسوب ( مطالعه موردی)

سال انتشار: 1390
کد COI مقاله: RWRDC01_105
زبان مقاله: فارسیمشاهد این مقاله: 1,414
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مقایسه روش شبکه عصبی مصنوعی و روش منحنی سنجه رسوب جهت برآورد باررسوب ( مطالعه موردی)

عبدالمجید محمدی - دانشجوی کارشناسی ارشد آب، دانشگاه سیستان و بلوچستان، گروه عمران،
غلامحسین اکبری - استادیار، دانشگاه سیستان و بلوچستان، گروه عمران،

چکیده مقاله:

تخمین دقیق حجم رسوبات حمل شده بوسیلهی رودخانهها در بسیاری از پروژهها ی مد یریت منابع آب دارای اهمیت فراوان است. تاکنون مدلهای هیدرولوژیکی خطی فراوانی جهت برآوردوتخمین رسوبات رودخانه ها ارائه شده است، اما با توجه به رفتار غ ی ر خط ی پارامتر ها ی هیدرولوژیکی، استفاده از روشهای کلاسیک مانند منحن ی سنجه از دقت کاف ی برخوردار نیستند. در سالهای اخیر تحقیقات انجام شده نشان داده که است فاده از روش شبکه عصب ی مصنوعی میتواند به عنوان ابزاری توانمند در مدلسازی پارامترهای هیدرولوژیکی بکار گر فته شود. در این مقاله، تخمین بار معلق رسوب رودخانه شاپور واقع در استان بوشهر با استفاده از مدل شبکه عصبی مصنوعی و مدل سنجه رسوب انجام پذیرفته است . مدل شبکه عصب ی مصنوعی استفاده شده، شبکه پس انتشار خطا بوده و بهترین مدل، طی سه مرحله بدست آمده است. در مراحل اول و دوم، شبکه با یک ورودی دبی آب و ی ک خروج ی رسوب و در مرحله سوم با دو ورودی دبی و بارش و یک خروجی رسوب، مدلسازی شده است. نتایج بدست آمده از مقایسه مدل شبکه عصبی مصنوعی با روش منحنی سنجه نشان می دهد که مدل شبکه عصبی بهتر می تواند پدیده انتقال رسوب را پیشبینی نماید

کلیدواژه ها:

شبکه عصبی مصنوعی، تخمین رسوب، روش منحنی سنجه

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://civilica.com/doc/114829/

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:
محمدی، عبدالمجید و اکبری، غلامحسین،1390،مقایسه روش شبکه عصبی مصنوعی و روش منحنی سنجه رسوب جهت برآورد باررسوب ( مطالعه موردی)،اولین همایش منطقه ای توسعه منابع آب،ابرکوه،،،https://civilica.com/doc/114829

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: (1390، محمدی، عبدالمجید؛ غلامحسین اکبری)
برای بار دوم به بعد: (1390، محمدی؛ اکبری)
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 ممقالهقاله لینک شده اند :

  • استفاده از شبکه های عصبی مصنوعی در برآورد دبی رسوب ورودی به سد مخزنی کرخه [مقاله کنفرانسی]
  • پیش بینی آورد رسوب رودخانه ها و امکان واسنجی ایجاد ایستگاه های مرجع رسوب سنجی توسط مدل شبکه عصبی (مطالعه موردی: رودخانه کارون) [مقاله کنفرانسی]
  • منتظر، غ 0، ذاکر مشفق، م .و قدسیان، م . ...
  • معرفی مدلی برای تخمین بارمعلق رسوب با استفاده از منطق فازی و مقایسه آن با روشهای کلاسیک و شبکه عصبی مطالعه موردی: رودخانه قره سو واقع دراستان اردبیل [مقاله کنفرانسی]
  • نورانی، و، اعلمی، _ نظم آراح.و حسین زاده، ح. 1385، ...
  • Abrahart, R.J., White, S.M., 2001. Modeling sediment transfer in Malawi: ...
  • Alp, M., Cigizoglu, H.K., 2007. Suspended sediment load simulation by ...
  • Altun, H., Bilgil, A., Fidan, B.C., 207. Treatment of mu ...
  • Jain, S.K., 2001. Development of integrated sediment rating curves using ...
  • Karunanithi, N., Grenney, W.J., Whitley, D., and Bovee, K. (1994) ...
  • Kisi, O. (2004b) Multi-layer perceptions with Leven berg-Marqu ardt optimization ...
  • Kisi, O., (2005b) "Suspended sediment estimation using neuro-fuzzy and neural ...
  • Maier, H.R., Dandy, G.C., 2000. Neural networks for the prediction ...
  • Nagy, H.M., Watanabe, K., Hirano, M., 2002. Prediction of sediment ...
  • Sarangi, A., Bhattacharya A.K. (2005). Comparison of Artificial Neural Network ...
  • Tayfur, G. (2002) Artificial neural networks foresheet sediment transport. Hydrol. ...
  • Tayfur, G. & Guldal, V. (2006) Artificial neural networks for ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش 1 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: 10,089
    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.

    مقالات مرتبط جدید

    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.

    پشتیبانی