Publisher of Iranian Journals and Conference Proceedings

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

تعیین بهینه ترین ساختار شبکه عصبی مصنوعی براساس ژئومورفولوژیک حوضه در مدلسازی بارش رواناب (مطالعه موردی: حوضه صوفی چای)

تعیین بهینه ترین ساختار شبکه عصبی مصنوعی براساس ژئومورفولوژیک حوضه در مدلسازی بارش رواناب (مطالعه موردی: حوضه صوفی چای)
سال انتشار: 1391
کد COI مقاله: NCUIMWR03_133
زبان مقاله: فارسیمشاهده این مقاله: 297
فایل این مقاله در 10 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 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تعیین بهینه ترین ساختار شبکه عصبی مصنوعی براساس ژئومورفولوژیک حوضه در مدلسازی بارش رواناب (مطالعه موردی: حوضه صوفی چای)

پریسا عباسعلی پوربشاش - دانشجوی کارشناسی ارشد مهندسی منابع آب، دانشگاه تبریز، ایران
یعقوب دین پژوه - دانشیار گروه منابع آب، دانشکده کشاورزی، دانشگاه تبریز، ایران
محمدعلی قربانی - دانشیار گروه منابع آب، دانشکده کشاورزی، دانشگاه تبریز، ایران

چکیده مقاله:

پیش بینی و برآورد دقیق رواناب مستقیم به عنوان مهترین چالش در فرآیند مدیریت و مهندسی منابع آب، در عمل کار بسیار پیچیده ای است و تاکنون روشهای تجربی و فیزیکی متعددی برای برآورد آنها ارائه شده است. در دهه اخیر استفاده از مدلهای هوشمند شبکه های عصبی مصنوعی به دلیل قابلیت آنها در شبیه سازی و تخمین توابع غیر خطی، در مدلسازی فرآیندهای پیچیده هیدرولوژی، ازجمله فرآیند بارش رواناب افزایش یافته است. - در این پژوهش، با توجه به اینکه ارتباطات شبکه های عصبی و شبکه آبراهه ها هر دو ساختار شبکه ای دارند و یک سیگنال را از ورودی به خروجی تطبیق میدهند یک مدل شبکه عصبی مصنوعی مبتنی بر خصوصیات ژئومورفولوژیکی (GANN) حوضه صوفی چای واقع در شمال غرب ایران ایجاد گردید. این مدل به صورت یک شبکه پرسپترون سه لایه با تعداد لایه های میانی برابر با تعداد مسیرهای ممکن جریان ، طراحی شد که در آن، وزن بین لایه های میانی و لایه خروجی از طریق مقادیر احتمال مسیرهای ممکنه جریان در شبکه هیدرولوژی حوضه، تعیین گردید. نتایج نشان داد ارتباط تنگاتنگی بین عوامل ژئومورفولوژیکی و هیدرولوژیکی وجود دارد و استفاده از خصوصیات ژئومورفولوژیکی در ساختار شبکه های عصبی مصنوعی باعث افزایش عملکرد این مدل در تعیین رواناب مستقیم به عنوان پاسخ هیدرولوژیکی حوضه نسبت به بارش مازاد میگردد

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا NCUIMWR03_133 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/335472/

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:
عباسعلی پوربشاش، پریسا و دین پژوه، یعقوب و قربانی، محمدعلی،1391،تعیین بهینه ترین ساختار شبکه عصبی مصنوعی براساس ژئومورفولوژیک حوضه در مدلسازی بارش رواناب (مطالعه موردی: حوضه صوفی چای)،سومین همایش ملی مدیریت جامع منابع آب،ساری،https://civilica.com/doc/335472

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، عباسعلی پوربشاش، پریسا؛ یعقوب دین پژوه و محمدعلی قربانی)
برای بار دوم به بعد: (1391، عباسعلی پوربشاش؛ دین پژوه و قربانی)
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 :

  • جهانگیری، ع. ر، رائینی، م، ضیاء احمدی، . خ. 1387. ...
  • مدل ANN's مبتنی بر ژئومورفولوژی و مدل GIUH برای برآورد رواناب مستقیم [مقاله کنفرانسی]
  • ذاکر مشفق، س. 1382. پیش‌بینی جریان رودخانه کرخه به کمک ...
  • زارع ابیانه، ح.، بیات ورکشی، م. 1389. ارزیابی مدلهای هوشمند ...
  • سلطانی، س. 1381. ارزیابی شبکه‌های عصبی مصنوعی در پیش‌بینی کوتاه ...
  • شیراد، ا، قربانی، م. ع.، سلطانی، ف. 1388. شبیه سازی ... [مقاله کنفرانسی]
  • نصیری، ع.، یمانی، م. 1388. تجزیه و تحلیل شبکه‌های عصبی ...
  • Anmala, J., Zang, B. and Govindaraju, R. _ .Comparison of ...
  • Demirel, M. C.. Venancio, A. and Kahya, E. 2009. Flood ...
  • Gupta, _ K., Waymire, E., Wang, C. T. 1980. A ...
  • Najafi, M. R., Lee, K.T. and Hosseini, S. M. 2007. ...
  • Rodrigue s-Iturbe, I. and Valdes, J. B. 1979. The ge ...
  • Sarangi, A., Madramootoo, C. A., Enright, P., Parasher, S. O. ...
  • Smart, J. 1972. Channel Networks. Advances in Hydroscience, 8: 305-346. ...
  • MS student, Water Resource Engineering, University of Tabriz, Iran Pari ...
  • Associate Professor, Water Resource Engineering, University of Tabriz, Iran Dinpashoh ...
  • Associate Professor, Water Resource Engineering, University of Tabriz, Iran Ghorbani ...
  • 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 دولتی
    تعداد مقالات: 23,217
    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