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

روش شبکه های عصبی مصنوعی در مدلسازی جریانهای رودخانه ای ( تحلیل تواناییها و نقطه ضعفها )

سال انتشار: 1385
کد COI مقاله: IREC07_386
زبان مقاله: فارسیمشاهده این مقاله: 2,083
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 روش شبکه های عصبی مصنوعی در مدلسازی جریانهای رودخانه ای ( تحلیل تواناییها و نقطه ضعفها )

محمدتقی دستورانی - استادیار دانشکده منابع طبیعی، دانشگاه یزد

چکیده مقاله:

در این تحقیق سعی شده است کاربرد تکنیک شبکه های عصبی مصنوعی در مدلسازی جریانهای رودخانه ای مورد ارزیابی و تجزیه و تحلیل قرار گیرد . در حقیقت در این بررسی به استناد چهار پروژه تحقیقاتی که توسط نگارنده طی چند سال گذشته با استفاده از این روش در زمینه مدلسازی جریان رودخانه ای با اهداف مختلف ودر شرایط متفاوت به انجام رسیده سعی میشود کارایی این تکنیک مورد تجزیه و تحلیل قرار گیرد و خصوصیات، مزایا و محدودیتهای آن در این زمینه ( مدلسازی جریان رودخانه ای ) گوشزد گردد . پروژه های تحقیقاتی مورد استناد در این خصوص عبارتند از : بررسی کاربرد شبکه عصبی مصنوعی درشبیه سازی و پیش بینی جریانهای سیلابی در حوزه های فاقد آمٍار؛ پیش بینی بهنگام سیل با بکارگیری مدلهای مختلف شبکه عصبی مصنوعی؛ بهینه سازی نتایج حاصل از یک مدل هیدرودینامیکی در پیش بینی جریان رودخانه توسط سیستم عصبی مصنوعی؛ و ارزیابی کارایی هوش مصنوعی کامپیوتر در تخمین داده های مفقود شده هیدرولوژی . تواناییهای این تکنیک با توجه به ساختارهای مختلف آن و نیز طبیعت مسئله ای که به دنبال حل آن هستیم متفاوت میباشد . شبکه های عصبی دینامیک در بحث پیش بینی بهنگام کارایی بهتری دارد، در حالی که شبکه های پرسپترون چند لایه در ترکیب با نرم افزارهای دیگر نسبت به کاربرد تنهای آن بمراتب بهتر عمل میکند .

کلیدواژه ها:

شبکه عصبی مصنوعی، مدلسازی جریان رودخانه، سیلاب، پیش بینی سیلاب، جریان رودخانه ای

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا IREC07_386 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/12902/

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:
دستورانی، محمدتقی،1385،روش شبکه های عصبی مصنوعی در مدلسازی جریانهای رودخانه ای ( تحلیل تواناییها و نقطه ضعفها )،هفتمین سمینار بین المللی مهندسی رودخانه،اهواز،https://civilica.com/doc/12902

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: (1385، دستورانی، محمدتقی؛ )
برای بار دوم به بعد: (1385، دستورانی؛ )
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 :

  • - دستورانی محمدتقی؛ پیش بینی بهنگام سیل با بکارگیری مدلهای ... [مقاله کنفرانسی]
  • ارزیابی کارایی هوش مصنوعی کامپیوتر در تخمین داده های مفقود شده هیدرولوژی [مقاله کنفرانسی]
  • Bhattacharya B. and D. P. Solomatine, Application of artificial neural ...
  • Dastorani, M.T. and N.G. Wright, A hydrodyn amic/neural network approach ...
  • Dawson C. W., R. Wilby, An artificial neural network approach ...
  • Dawson C. W., R. Wilby, A comparison of artificial neural ...
  • Hsu K., H. V. Gupta, and S. Sorooshian, Artificial neural ...
  • Karunanithi N., W. JI. Grenney, D. Whitley, and K. Bovee, ...
  • Minns A. W. and M. J. Hall, Artificial neural networks ...
  • _ International River Engineering Conference Shahid Chamran University, 13-15 Feb ...
  • 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

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 13,038
    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.

    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