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

پیش بینی رسوب در حوضه رودخانه زرینه رود با استفاده از روش شبکه های عصبی مصنوعی

سال انتشار: 1392
کد COI مقاله: NCTOCE01_068
زبان مقاله: فارسیمشاهد این مقاله: 987
فایل این مقاله در 9 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 9 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی رسوب در حوضه رودخانه زرینه رود با استفاده از روش شبکه های عصبی مصنوعی

مهین نجف دیزجی - دانشجوی کارشناسی ارشدزمین شناسی– سنگ های رسوبی و رسوب شناسی دانشگاه آزاد اسلامی واحد تبریز
عادل نجف زاده - دکتری زمین شناسی ، استاد دانشگاه آزاد اسلامی تبریز
رامین رستمی - دکتری علوم ومهندسی آبیاری، استادیار دانشگاه آزاد اسلامی میاندوآب
جواد خانی - فوق لیسانس منابع آب ، هینت علمی مرکز تحقیقات و منابع طبیعی استان آذربایجان غربی

چکیده مقاله:

پیش بینی رسوب از جمله مسائل مهم وکاردبردی در مدیریت منابع آب است .اندازه گیری به روش های مرسوم مستلزم صرف هزینه و دقت زیادی است وگاهی از دقت کافی برخوردار نیست . یک از روش های نوین در حل مسائل منابع آب و رودخانه استفاده از روش شبکه عصبی مصنوعی است با الگو برداری از مغز انسان ضمن اجرا فرآیند آموزش ، روابط بین داده های را نیز استخراج می کند. در این مطالعه از داده های دبی رودخانه ، غلظت رسوب، میزان رسوبات حمل شده، دما و بارش در سه ایستگاه قبقبلو، پل آنیان و ساریقمیش که کاملترین آمار را نسبت به سایر ایستگاه های حوضه زرینه رود داشتند استفاده گردید. بدین منظور بعد از رفع نواقص آماری و حذف داده های پرت، 60 درصد داده ها جهت آموزش ، 10 درصد اعتبار سنجی و 30 درصد برای آزمون مورد استفاده قرار گرفت. بعد از استاندارد کردن داده ها به روش نرمالیزه کردن شبکه های عصبی پرسپترون چندلایه، آنالیز مولفه های اصلی، مدل عصبی، تابع پایه شعاعی و شبکه پیشخور عمومی با توابع انتقالی تانژانتی، سیگوئیدی، تانژانت خطی و سیگموئید خطی ایجاد شد.به این منظور از معیار هایMSE, MAE وR2 استفاده گردید. نتایج نشانگر عملکرد بهتر پرسپترون چندلایه با ضریب رگرسیون 0/92در ایستگاه قبقبلو، در ایستگاه ساریقمیش شبکه پیشخور عمومی با ضریب رگرسیون0/90وشبکه مدل عصبی با ضریب رگرسیون 0/885 در ایستگاه پل آنیان در برآورد رسوبات است

کلیدواژه ها:

حوضه زرینه رود، شبکه عصبی، ساریقمیش، قبقبلو، پل آنیانMNN,GFF,RBFMLPPCA/

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/220736/

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:
نجف دیزجی، مهین و نجف زاده، عادل و رستمی، رامین و خانی، جواد،1392،پیش بینی رسوب در حوضه رودخانه زرینه رود با استفاده از روش شبکه های عصبی مصنوعی،کنفرانس ملی تکنیکهای نوین محاسباتی در مهندسی عمران،سقز،،،https://civilica.com/doc/220736

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: (1392، نجف دیزجی، مهین؛ عادل نجف زاده و رامین رستمی و جواد خانی)
برای بار دوم به بعد: (1392، نجف دیزجی؛ نجف زاده و رستمی و خانی)
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 :

  • آوریده، ف. و همکارانش، 1380، کاربرد شبکه های صبی مصنوعی ... [مقاله کنفرانسی]
  • طلوعی، س. و همکاران، 1390، تخمینزمانی ومکانیبارمعلقرودخا نهآجی چایبااستفادهاز زمینآماروشبکهعصبی ...
  • داننده _ وجدزادهطباطبایی، 389 ا.بریتاثیرتوالی دبیروزانهدرپیش بینی جریانرودخانه هابااستفادهازبرنامه ریزیژنتیک. ...
  • دهقانی امیراحمد و همکاران 1389 تخمینتبخیرروزا نهازتشتبخیربا ستفا دها اهشبکهعبیپرسپترونچند ...
  • رضایی ارشد، ر. و همکاران، 1390، مقایسه‌روش ها یشبکهعصبیمصنوعیو رگرسیو ...
  • حق وردی، ا. وهمکاران، 390 1، مقا یسهروشها یمختلفهوشمصنوعید رمد ...
  • Kisi, O. 2006. Daily pan evaporation modelling using a neuro-fuzzy ...
  • Cigizoglu, H., 2002, Suspended Sediment Estimation for Rivers using Arti_cial ...
  • Bayram, Adem et al, 2011, Estimation of suspended sediment concentration ...
  • Panu, U.S., Khalil, M., Elshorbagy, A., _ Streamflow data infilling ...
  • Rumelhart, D. E., Hinton, G. E., Williams, R. J., (1986). ...
  • 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 آزاد
    تعداد مقالات: 11,368
    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