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

تحلیل حساسیت توزیع نرونهای شبکه عصبی چند لایه پرسپترون در پیش بینی جریان رودخانه

سال انتشار: 1390
کد COI مقاله: WRM04_308
زبان مقاله: فارسیمشاهده این مقاله: 1,067
فایل این مقاله در 11 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 11 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تحلیل حساسیت توزیع نرونهای شبکه عصبی چند لایه پرسپترون در پیش بینی جریان رودخانه

محمد ذونعمت کرمانی - استادیار بخش مهندسی آب دانشگاه شهید باهنر کرمان
طاهر رجایی - استادیار بخش مهندسی عمران دانشگاه قم
علی اصغر بهشتی - استادیار بخش مهندسی آب دانشگاه شهید باهنر کرمان
روح اله سلطانی بهاالدینی - کارشناس بخش مطالعات آبفای روستایی کرمان

چکیده مقاله:

یکی از اصلی ترین پارامترهای مدیریت منابع آب مدلسازی سیلاب و میزان آب ورودی به مخازن تالاب ها اراضی و ... می باشد دراین راستا پیش بینی رفتار جریان نقش مهمی را در تصمیم گیری های برنامه های مدیریتی ایفا می کند با این حال براورد و تعیین میزانجریان درعمل کار پیچیده ای می باشد و شیوه های متفاوتی بر ای آن ارائه شده است یکی از مناسبترین این شیوه ها به کارگیری سیستمهای هوشمند و از جمله آنها شبکه های عصبی مصنوعی می باشند که خود مشتمل بر چندین گونه متفاوت هستند از جامع ترین این مدلها می توان به شبکه های عصبی چند لایه پرسپترون اشاره نمود یکی از مهمترین عوامل دخیر در عملکرد مناسب شبکه معماری و نحوه توزیع نرونهای درون شبکه با توجه به تعداد لایه ها به شمار می رود دراین مقاله عملکرد شبکه عصبی پرسپترون با توجه به معماری و ساختار آن برای پیش بینی جریان برای دو رودخانه مورد بررسی قرار می گیرد.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا WRM04_308 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/117213/

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:
ذونعمت کرمانی، محمد و رجایی، طاهر و بهشتی، علی اصغر و سلطانی بهاالدینی، روح اله،1390،تحلیل حساسیت توزیع نرونهای شبکه عصبی چند لایه پرسپترون در پیش بینی جریان رودخانه،چهارمین کنفرانس مدیریت منابع آب ایران،تهران،https://civilica.com/doc/117213

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، ذونعمت کرمانی، محمد؛ طاهر رجایی و علی اصغر بهشتی و روح اله سلطانی بهاالدینی)
برای بار دوم به بعد: (1390، ذونعمت کرمانی؛ رجایی و بهشتی و سلطانی بهاالدینی)
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 :

  • مقایسه شبکه عصبی مصنوعی و سیستم عصبی- فازی در برآورد بارش-رواناب در حوضه آبخیز سد زایندهرود [مقاله کنفرانسی]
  • حیدری، م.، زارع ابیانه ح.، قاسمی ع. (38) "ارزیابی شبکه ... [مقاله کنفرانسی]
  • مدلسازی بارش - رواناب با مدل ترکیبی موجک - شبکه عصبی مصنوعی [مقاله کنفرانسی]
  • _ _ مساعدی، ا.، کوهستانی، ن.، (1388) "مقایسه تخمین بار ...
  • Wu, J.P.E., Han J. Annambhotla S, Bryant S. (2005). ":Artificial ...
  • Bravo J. M, Paz A. R. Collischonn W., Uvo C. ...
  • Mukerji A., Chatterjee C., Singh Raghuwanshi N. (2009). "Flood Forecasting ...
  • Yin C., Rosendah1 L., Luo Z., (2003). :Methods to improve ...
  • 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.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 17,126
    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 پیشنهادی مرتبط

    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