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

استفاده از شبک ههای عصبی مصنوعی در پیش بینی ماهانه جریان رودخانه

سال انتشار: 1382
کد COI مقاله: 311_0234505608
زبان مقاله: فارسیمشاهد این مقاله: 1,095
فایل این مقاله در 7 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 7 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله استفاده از شبک ههای عصبی مصنوعی در پیش بینی ماهانه جریان رودخانه

سید سامان رضوی - دانشجوی کارشناسی ارشد سازه های هیدرولیکی دانشکده مهندسی عمران دانشگاه صنعتی امیرکبیر تهران
محمد کارآموز - استاد دانشکده عمران و محیط زیست دانشگاه صنعتی امیرکبیر

چکیده مقاله:

در دهه های اخیر با توجه به رشد جمعیت جهان و همچنین افزایش مصرف سرانه آب، کمبود آب شیرین قابل استحصال به معضلی جهانی تبدیل گشته است . از این رو با توجه به محدود بودن منابع آب، مدیریت صحیح و بهینه مهمترین وظیفه سیاستگذاران و مهندسین منابع آب می باشد. یکی از مهمترین ارکان مدیریت منابع آب، پیش بینی میزان این منابع در آینده است. اهمیت این پی شبین یها در تصمیماتی است که به منظور مدیریت بهینه منابع آب صورت می گیرد. تاکنون کوششهای بسیاری برای طراحی مدلهای پیش بینی صورت گرفته که از جمله آنها می توان مد لهای آماری ARMAو سایر مدلهای مبتنی بر رگرسیون را نام برد . در دهه اخیر با پیشر فت شبکه های عصبی مصنوعی، این مدلها به شکل ابزار قدرتمندی در حل بسیاری از مسائل فنی مهندسی از جمله در مهندسی آب مطرح شده اند .شبکه های عصبی قادرند، با پردازش داده های تجربی، دانش یا قانون نهفته در بطن داده ها را فراگیرند، بدین جهت انتظار می رود، شبکه های عصبی مصنوعی ابزاری مناسب برای یک مدل پیش بینی باشد . در این مقاله برای پیش بینی ماهانه جریان رودخانه از شبکه های عصبی مصنوعی استفاده شده است و کاربرد آن با استفاده از آمار واطلاعات حوزه سد زاینده رود در پیش بینی رواناب زاینده رود در محل ورودی به سد تحت آزمون قرار گرفته است . همچنین در پایان به منظور مقایسه، مساله با استفاده از رگرسیون خطی نیز تحت بررسی قرار گرفته است. نتایج نشان دهنده توانایی و برتری شبک ههای عصبی در پی شبینی جریان رودخانه با دقت قابل قبول بوده است.

کلیدواژه ها:

شبكه هاي عصبي مصنوعي، پس انتشار خطا، پيش بيني رواناب، آزمايش شبكه، رگرسيون خطي

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/1644/

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:
رضوی، سید سامان و کارآموز، محمد،1382،استفاده از شبک ههای عصبی مصنوعی در پیش بینی ماهانه جریان رودخانه،دهمین کنفرانس دانشجویی مهندسی عمران،تهران،،،https://civilica.com/doc/1644

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، رضوی، سید سامان؛ محمد کارآموز)
برای بار دوم به بعد: (1382، رضوی؛ کارآموز)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

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: 20,406
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