مدلسازی بارش دشت اردبیل با استفاده ازشبکه های عصبی مصنوعی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,332

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICCAU01_0023

تاریخ نمایه سازی: 29 تیر 1393

چکیده مقاله:

گسترش روزافزون استفاده ازشبکه های عصبی مصنوعی به عنوان مدل تجربی و کارامد درعلوم مختلف ازجمله هیدرولوژی نشان دهنده ضرورت وارزش بالای مطالعه این مدلهاست دراین مقاله شبکه های عصبی مصنوعی Artificial Neural Networks(ANN به عنوان یک مدل جعبه سیاه جهت مدلسازی زمانی مکانی بارش دشت اردبیل مورد استفاده قرار گرفت شبکه عصبی مصنوعی یک سیستم پردازشگر اطلاعات توده ایی هستند که به صورت موازی قرارگرفته اند و عملکردی شبیه شبکه عصبی مغز انسان دارند پردازش داده ها دراین شبکه ها درواحدهای منفردی به نام گره صورت میگیرند دراین مقاله جهت مدلسازی ازشبکه پیشرو با الگوریتم اموزشی لونبرگ - مارکوات [Levenberg-Marquard(LM)] استفاده گردیده است علت استفاده ازاین روش به خاطرارایه نتایج بسیارنزدیک به مینیمم بازدهی بالا و سرعت بالای آن بود

نویسندگان

آرمین جلال زاده

مربی دانشگاه آزاد اسلامی واحد اردبیل مرکزسرعین

محمدتقی اعلمی

استادیاردانشکده مهندسی عمران دانشگاه تبریز

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 مقاله لینک شده اند :
  • Anctial F, Perrin C and Andreassian V, 2224. Impact of ...
  • Anil KJ, Mao J and Mohiuddin KM, 1996. Artificial neural ...
  • ASCE Task Committee on Application of Artificial Neural Networks in ...
  • Coulibaly P, Anctil F and Bobee B, 2222. Daily reservoir ...
  • Coulibaly P, Anctil F, Aravena R and Bobee, B, 2221a. ...
  • Coulibaly P, Anctil F, Aravena R and Bobee, B, 2221b. ...
  • International Conference _ Civil Engineering Architecture & Urban Sustainable Development ...
  • Coulibaly P, Anctil F, Aravena R and Bobee, B, 2221c. ...
  • Daliakopoulos NI, CoulibalyP and Tsanis IK, 2225. Ground water level ...
  • Fahlman SE and Lebiere C, 1992. The cas cade-correlation learning ...
  • Fausett L, 1994. Fundamentals of neural network. Prentice Hall, Englewood ...
  • Fletcher R and Reeves CM, 1964. Function minimization by conjugate ...
  • Haykin S, 1994. Neural network: A comprehensive foundation. MacMillan College ...
  • Hopfield JJ, 1982. Neural networks and physical systems with emeregent ...
  • Kohonen T, 1988. An introduction to neural computing. Neural networks ...
  • McCulloch WS and Pitts W, 1943. A logic calculus of ...
  • Minisky ML and Papert S, 1969. Perceptrons: An introduction o ...
  • Raid S and Mania J, 2223. Rainfall-runof Model using an ...
  • Toth E, Brath A and Montanari A, 2222. Comparison of ...
  • Wasserman PD, 1989. Neural computing: theory and practice. Van Nostrand ...
  • نمایش کامل مراجع