ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

Evaluation of the Application of Neural Networks on Real-Time River Flow Prediction

سال انتشار: 1382
کد COI مقاله: ICCE06_446_1472569404
زبان مقاله: انگلیسیمشاهده این مقاله: 1,166
فایل این مقاله در 10 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 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Evaluation of the Application of Neural Networks on Real-Time River Flow Prediction

M. T. Dastorani - School of Civil Engineering, University of Nottingham, Nottingham NG ۷ ۲RD, UK
N. G. Wright - School of Civil Engineering, University of Nottingham, Nottingham NG ۷ ۲RD, UK

چکیده مقاله:

This study aimed to model river flow in a multi-gauging station catchment and provide real-time prediction of peak flow downstream using artificial neural networks (ANN). Three types of ANN (Multi-Layer Perceptron (MLP), Recurrent, and Time Lag Recurrent) were adapted to evaluate the applicability of this technique. The study area covers the Upper Derwent River, a tributary of the River Trent in the UK. River flow was predicted at the subject site with lead times of 3, 6, 9 and 12 hours. Tests were completed using different lengths of input data to evaluate the effect of input data size in model outputs. The number of gauging sites to be used as data sources in the model was also evaluated. According to the results of this research it can be said that for real-time forecasting of flow in gauged catchments the type of neural network is an important factor and dynamic architectures, especially general recurrent networks, show a superior ability even for longer prediction horizons

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ICCE06_446_1472569404 میباشد و 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/1158/

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:
M. T. Dastorani, and N. G. Wright, ,1382,Evaluation of the Application of Neural Networks on Real-Time River Flow Prediction,6th International Conference on Civil Engineering,Isfahan,https://civilica.com/doc/1158

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: (1382, M. T. Dastorani, ؛ N. G. Wright)
برای بار دوم به بعد: (1382, M. T. Dastorani؛ N. G. Wright)
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 :

  • Bhattacharya B. and D. P. Solomatine, Application of artificial neural ...
  • Davson C. W., R. Wilby, A comparison of artificial neural ...
  • Hsu K., H. V. Gupta, and S. Sorooshian, Artificial neural ...
  • Karunanithi N., W. J. Grenney, D. Whitley, and K. Bovee, ...
  • Luk K. C., J. E. Ball, and A. Sharma, Rainfall ...
  • NeuroDimen sions, Neu roSolutions, _ . 2001. ...
  • Sezin A. Tokar and P. A. Johnson, Rainfall- runoff modeling ...
  • 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.

    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