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 الگوریتم شبکه های عصبی به منظور پیش بینی دبی جریان در کانالهای مرکب

سال انتشار: 1391
کد COI مقاله: ICCE09_058
زبان مقاله: فارسیمشاهد این مقاله: 1,013
فایل این مقاله در 8 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 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله استفاده از الگوریتم شبکه های عصبی به منظور پیش بینی دبی جریان در کانالهای مرکب

مسعود شریف زاک - دانشجوی کارشناسی ارشد عمران-گرایش سازه های هیدرولیکی، دانشگاه شهید ب
غلامعباس بارانی - استاد بخش عمران، دانشگاه شهید باهنر کرمان

چکیده مقاله:

به طور کلی از نظر هندسی، مقاطع مرکب شباهت زیادی به رودخانه ها و جریان های طبیعی دارد. پهنه سیلابی )سیلابدشت( و کانال اصلی، از اجزای اصلی تشکیل دهنده این مقاطع می باشند. با توجه به توضیحات فوق، تعیین ظرفیت انتقال رودخانه ها نقش مهمی در توسعه و استفاده از اراضیاطراف آن به منظور کشاورزی و غیره دارد. از این حیث، این مقاطع همواره توجه محققین زیادی را به خود جلب نموده که منجر به ارائه روش های یک بعدی و دو بعدی مختلفی جهت تعیین ظرفیت در آنها، گردیده است. در این تحقیق روش های مقطع واحدSCM( تقسیم بندی مقطعDCM(تبادل دبیEDM(و شیونو- نایتSKM( مورد بررسی قرار گرفته و نتایج آنها با نتایج حاصل از مدل شبکه های عصبی چند لایهMLP( مقایسه گردیده است. نتایج این مقایسه نشان می دهد که به طور کلی مدل شبکه های عصبی مصنوعیANN( عملکرد بهتری نسبت به روش های ذکر شده داشته و همچنین دقت بیشتری نسبت به روش هایSKM و DCM، SCM دارد.

کلیدواژه ها:

كانالهاي مركب، رابطه دبي- اشل، شبكه هاي عصبي، روشهاي يك بعدي، روش هاي دو بعدي

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/165126/

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:
شریف زاک، مسعود و بارانی، غلامعباس،1391،استفاده از الگوریتم شبکه های عصبی به منظور پیش بینی دبی جریان در کانالهای مرکب،نهمین کنگره بین الملی مهندسی عمران،اصفهان،،،https://civilica.com/doc/165126

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، شریف زاک، مسعود؛ غلامعباس بارانی)
برای بار دوم به بعد: (1391، شریف زاک؛ بارانی)
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 :

  • عوی مقدم، م. (1387)، _ بررسی‌های نظری و آزمایشگاهی در ...
  • Dawson WC, Wilby R. (1998), _ artificial neural network approach ...
  • Kisi O. (2005), "Suspended sediment estimation using neuro-fuzzy and neural ...
  • Measurement in a Shear Layer Region of a Turbulenceء 3. ...
  • Ackers, P. (1992), _ Flow formulae for straight two-stage channels", ...
  • Bousmar D, Zech Y. (1999), "Momentum transfer for practical _ ...
  • 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.

    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