ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش­بینی تراز آب زیرزمینی با استفاده از شبکه­های عصبی مصنوعی (مطالعه موردی: دشت شهربابک- استان کرمان)

تعداد صفحات: 10 | تعداد نمایش خلاصه: 725 | نظرات: 0
سال انتشار: 1391
کد COI مقاله: DESERT01_037
زبان مقاله: فارسی
(فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

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 در اختیار داشته باشید.

قیمت این مقاله : 3,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش­بینی تراز آب زیرزمینی با استفاده از شبکه­های عصبی مصنوعی (مطالعه موردی: دشت شهربابک- استان کرمان)

افشین جهانشاهی - دانشجوی کارشناسی ارشد آبخیزداری دانشگاه زابل
علیرضا مقدم­نیا - دانشیار هیدرولوژی، گروه مرتع و آبخیز دانشگاه زابل

چکیده مقاله:

آب های زیرزمینی به عنوان یکی از منابع مهم و عمده منابع آب شرب و کشاورزی بویژه در مناطق خشک و نیمه خشک به شمار می روند. شناخت صحیح و بهره برداری اصولی از آنها می تواند در توسعه پایدار فعالیت های اجتماعی و اقتصادی این مناطق نقش بسزایی ایفا نماید. برای آگاهی از وضعیت منابع آب زیرزمینی لازم است پیش بینی دقیقی از نوسانات سطح این منابع انجام شود که این پیش بینی و مدل سازی رفتار آبخوان ها به دلیل پیچیدگی های موجود در طبیعت این سیستم ها، به آسانی میسر نیست. لذا با توجه به مشکلات فراوان مدل سازی آبخوان ها با مدل های ریاضی، شبکه های عصبی مصنوعی برای پیش بینی سطح ایستابی در آبخوان ها توسط محققین بکار رفته اند. هدف از انجام این تحقیق ارزیابی توانایی شبکه های عصبی مختلف در پیش بینی تراز آب های زیرزمینی در محدوده شهربابک در استان کرمان می باشد. از نظر توانایی شبکه های مختلف مورد استفاده، شبکه های عصبی مصنوعی پیشرو با الگوریتم لونبرگ- مارکوارت بهترین نتایج را ارائه داد. این ساختار توانست پیش بینی ماهانه ای از سطح ایستابی آب های زیرزمینی در بازه زمانی 24 ماهه (از سال 1388 تا 1390) با حداقل ریشه مربعات خطا 16/2 و 31/2 برای مراحل آموزش و آزمایش ارائه کند.

کلیدواژه ها:

تراز آب­هاي زيرزميني، پيش­بيني، شبكه­هاي عصبي مصنوعي، توسعه پايدار، دشت شهربابك

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/160164/

کد COI مقاله: DESERT01_037

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:
جهانشاهی، افشین و مقدم­نیا، علیرضا،1391،پیش­بینی تراز آب زیرزمینی با استفاده از شبکه­های عصبی مصنوعی (مطالعه موردی: دشت شهربابک- استان کرمان)،اولین همایش ملی بیابان (علوم، فنون و توسعه پایدار)،تهران،،،https://civilica.com/doc/160164

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: (1391، جهانشاهی، افشین؛ علیرضا مقدم­نیا)
برای بار دوم به بعد: (1391، جهانشاهی؛ مقدم­نیا)
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 :

  • I1 اداره مطالعات منابع آب سازمان آب منطقه‌ای استان کرمان؛ ...
  • ااصغری مقدم، ا.، نورانی، و. و ندیری، ع؛ 1387، ارزیابی ... (مقاله کنفرانسی)
  • [ق1 ایزدی، ع. ا. داوری، ک. علیزاده، .، قهرمان، ب.، ... (مقاله ژورنالی)
  • دلاور، محمود، 1384، تحلیل و ارائه مدل نوسانات تراز آب ...
  • اقا محتشم، محسن:، دهقانی، امیر احمد.، اکبرپور، ابوالفضل.، مفتاح هلقی، ... (مقاله ژورنالی)
  • تخمین تراز آب زیرزمینی با استفاده از شبکه عصبی مصنوعی [مقاله کنفرانسی]
  • I7] مهدی‌زاده، م؛ 1383، شبکه‌های عصبی مصنوعی و کاربرد آن ...
  • Iه] نورانی، و؛ 1385، ارزیابی سطح آب‌های زیرزمینی در آبخوان ... (مقاله کنفرانسی)
  • ا13 نیک منش، م، ر؛ 1388، پیش‌بینی تراز آب زیرزمینی ... (مقاله کنفرانسی)
  • Bierkens, M. F. P., 1998. Modeling water table fluctuations by ...
  • Chang, Y. W. 2008, Predicting Water Table Fluctuation Using Artificial ...
  • Corrado, M., Fanelli, A. M. and Chieco, M., 2008. A ...
  • Coulibaly, P., Anctil, F., Aravena, R., Bobee, B., 2001. Artificial ...
  • Daliakopoulos, N. I., Coulibaly, P., and Tsanis, I. K., 2005. ...
  • Fausett, L. 1994. Fundamentals of Neural Networks, Architectures, Algorithm, And ...
  • Nayak, P., Satyaji Rao, Y. R., and Sudheer, K. P., ...
  • Sreekanth, P. D., Geethanjali, N., Sreedevi, P. D., Shakeel A. ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله

    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: 5,780
    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