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

مدلسازی حجم رسوبات حوضه رودخانه زرینه رود با استفاده از روش شبکه های عصبی مصنوعی

تعداد صفحات: 9 | تعداد نمایش خلاصه: 391 | نظرات: 0
سال انتشار: 1392
کد COI مقاله: NCCCIAE02_287
زبان مقاله: فارسی
(فایل این مقاله در 9 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.

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 9 صفحه است به صورت فایل PDF در اختیار داشته باشید.

قیمت این مقاله : 0 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مدلسازی حجم رسوبات حوضه رودخانه زرینه رود با استفاده از روش شبکه های عصبی مصنوعی

مهین نجف دیزجی - دانشجوی کارشناسی ارشد زمین 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:

ارزیابی و برآورد رسوب از جمله مسائل مهم وکاردبردی در مدیریت منابع آب است. اندازهگیری به روشهای مرسوممستلزم صرف هزینه و دقت زیادی است و گاهی از دقت کافی برخوردار نیست. یک از روشهای نوین در حل مسائل منابع آبو رودخانه استفاده از روش شبکه عصبی مصنوعی است با الگوبرداری از مغز انسان ضمن اجرا فرآیند آموزش، روابط بین داده هارا نیز استخراج میکند. در این مطالعه از داده های دبی رودخانه، غلظت رسوب، میزان رسوبات حمل شده، دما و بارش در سهایستگاه 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 دادهها 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 معیارهای R(2), MSE, MAE استفاده گردید. نتایج نشانگر عملکرد بهتر شبکه پرسپترون چند لایه با ضریب رگرسیون 0/92، مجذور مربعات خطا و خطای مطلق به ترتیب 0/0056 و 0/039 در ایستگاه قبقبلو، پیشخور عمومی با ضریب رگرسیون 0/90 و مجذور مربعات خطا 0/005 و خطای مطلق 0/035 در ایستگاه سارقمیش و مدل عصبی با ضریب رگرسیون 0/885 و مجذور مربعات خطا و خطای مطلق 0/0055 و 0/039 در ایستگاه پل آنیان در برآورد رسوبات دارد.

کلیدواژه ها:

شبكه پرسپترون، شبكه عصبي، رسوب، پيش بيني

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/245637/

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،مدلسازی حجم رسوبات حوضه رودخانه زرینه رود با استفاده از روش شبکه های عصبی مصنوعی،دومین همایش ملی تغییر اقلیم و تاثیر آن بر کشاورزی و محیط زیست،ارومیه،،،https://civilica.com/doc/245637

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.

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: 10,790
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