ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

پیش بینی دبی ورودی به مخزن سد با استفاده از شبکه های عصبی مصنوعی - مطالعه موردی: سد لار

سال انتشار: 1392
کد COI مقاله: ICCAU01_0155
زبان مقاله: فارسیمشاهده این مقاله: 498
فایل این مقاله در 13 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 13 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی دبی ورودی به مخزن سد با استفاده از شبکه های عصبی مصنوعی - مطالعه موردی: سد لار

پیمان غلامی - کارشناس ارشد سازه های هیدرولیکی دانشگاه آزاد اسلامی واحد تهران جنوب
حمیدرضا ربیعی فر - استادیار گروه مهندسی عمران- سازه های هیدرولیکی دانشگاه آزاد اسلامی واحد تهران جنوب
آرش رزمخواه - استادیار گروه مهندسی عمران- سازه های هیدرولیکی دانشگاه آزاد اسلامی واحد تهران جنوب
محمدرضا پیرستانی - استادیار گروه مهندسی عمران- سازه های هیدرولیکی دانشگاه آزاد اسلامی واحد تهران جنوب

چکیده مقاله:

پیش بینی جریان ورودی به مخزن سد، در بهینه سازی مدیریت آن بسیار موثر می باشد به گونه ای که مدیریت صحیح و بهینه و بهره برداری اصولی از مخزن سد هیچ گاه امکان پذیر نخواهد بود جز در صورت برآورد دقیق و تا حد زیادینزدیک به واقعیت دبی ورودی به آن. در تحقیق حاضر به ارزیابی عملکرد شبکه های عصبی مصنوعی در پیش بینی جریان ورودی به مخزن سد پرداخته شد و طی آن با استفاده از اطلاعات باران و دما و دبی ایستگاه هایبالادست مخزن سد لار , دبی ورودی به مخزن سد را طی 1 تا 3 ماه آینده پیش بینی کردیم . نتایج حاصل نشان دادند که شبکه های عصبی می توانند دبی ورودی به سد دربازه 1 تا 3 ماه آینده، بهخصوص در مرحله آموزش و هچنین مرحله تست با )ضریب همبستگی .9789 = 2R و ریشه میانگین مربعات خطا .171 = RMSE ) به خوبی پیش بینی کنند. همچنین به بررسی میزان تاثیر دما و بارش بر پیش بینی دبی در ماههای آینده پرداخته شد و نتایج حاصله نشان داد که میزان دما تاثیر چندانی بر دبی پیش بینی شده در ماه های آیندهنداشته ولی بارش تاثیر مستقیم و بسزایی بر دبی پیش بینی شده در ماه های آینده داشته است. در تحقیق حاضر به استفاده از چند توپولوژی محدود برای معماری شبکه عصبی مصنوعی اکتفا ننموده ایم و تمامی حالات ممکنه را به کمکتعریف یک حلقه for مورد آزمایش قرار دادیم به گونه ای که در کاربرد شبکه عصبی با یک لایه پنهان از 1008 حالت و در کاربرد شبکه عصبی با دو لایه پنهان 12069 حالت مورد بررسی قرار گرفت و در نهایت بهترین عملکرد شبکه های مذکور, معیار انتخاب بهترین توپولوژی بوده است.

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ICCAU01_0155 میباشد و 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/272252/

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:
غلامی، پیمان و ربیعی فر، حمیدرضا و رزمخواه، آرش و پیرستانی، محمدرضا،1392،پیش بینی دبی ورودی به مخزن سد با استفاده از شبکه های عصبی مصنوعی - مطالعه موردی: سد لار،کنفرانس بین المللی عمران، معماری و توسعه پایدار شهری،تبریز،https://civilica.com/doc/272252

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، غلامی، پیمان؛ حمیدرضا ربیعی فر و آرش رزمخواه و محمدرضا پیرستانی)
برای بار دوم به بعد: (1392، غلامی؛ ربیعی فر و رزمخواه و پیرستانی)
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 مقاله لینک شده اند :

  • پوستی زاده. ن. پیش بینی جریان رودخانه با استفاده از ...
  • پیش بینی بلندمدت بارش با استفاده از سیگنال های هواشناسی : کاربرد شبکه های عصبی مصنوعی [مقاله کنفرانسی]
  • منهاج، م .ب .مبانی شبکه های _ انتشارات دانشگاه صنعتی ...
  • Chuan C.S. Weather perdiction usin artificial neural network.j ournal of ...
  • Tokar S, M.Markus. precipitation runoff modeling using artificial neurl networks. ...
  • Kisi O. Daily River Flow Forecasting Using Artificial Neural Networks ...
  • Swain P.C, Nanduri U.. Streamflow Forecasting using Neuro-Fuzzy Inference System. ...
  • Jagadeesh A , Zhang B. Comparison of ANNs and empirical ...
  • Anctil F , A.Rat. Evaluation of Neural Network stream flow ...
  • Mohammadi K , Eslami H.R. Comparison of regression ARIMA and ...
  • Baareh A. Forecasting River Flow in the USA: A Comparison ...
  • 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 آزاد
    تعداد مقالات: 11,004
    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