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 ماکزیمم سیلاب رودخانه تجن با استفاده از روش های هوش مصنوعی

سال انتشار: 1384
کد COI مقاله: IHC05_097
زبان مقاله: فارسیمشاهده این مقاله: 2,041
فایل این مقاله در 8 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 8 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 ماکزیمم سیلاب رودخانه تجن با استفاده از روش های هوش مصنوعی

سیدمرتضی مرندی - استادیار گروه مهندسی عمران دانشگاه شهید باهنر کرمان
محمدحسین باقری پور - استادیار گروه مهندسی عران دانشگاه شهید باهنر کرمان
مجتبی قاسمی کوشکلائی - دانشجوی کارشناسی ارشد گروه مهندسی عمران دانشگاه شهید باهنر کرمان
سهیل فاطری - دانشجوی کارشناسی ارشد گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد

چکیده مقاله:

یکی از مهمترین مسائل در مدیریت سیلاب، پیش بینی دبی رودخانه ها می باشد. در این تحقیق از شبکه های عصبی-فازی و شبکه های عصبی مصنوعی برای پیش بینی دبی ماکزیمم سیلاب رودخانه تجن شهرستان ساری استفاده شده است. در تحقیق حاضر، مطالعات لازم بر روی آمار و اطلاعات سی ساله ایستگاه های باران سنجی منطقه حوزه سد شهید رجایی و ایستگاههای دبی سنجی موجود در حوزه ارتفاعات جنوب ساری انجام گرفته و دبی ماکزیمم سیلاب محاسبه شده است. پس از بررسی های انجام شده مشخص گردید که شبکه عصبی-فازی در مقایسه با شبکه عصبی مصنوعی، کمترین خطای ممکن را تولید می کند که از آن می توان در تخمین ماکزیمم سیلاب استفاده کرد. با توجه به تحلیل نتایج بدست آمده از کاربرد هوش مصنوعی در حوزه رودخانه تجن و پیش بینی های احتمالی، می توان از آنها در مورد ایمنی سد شهید رجایی بهره گرفت.

کلیدواژه ها:

هوش مصنوعی ، رودخانه تجن ، دبی ماکزیمم و پیش بینی سیلاب

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا IHC05_097 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/3498/

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:
مرندی، سیدمرتضی و باقری پور، محمدحسین و قاسمی کوشکلائی، مجتبی و فاطری، سهیل،1384،پیش بینی دبی ماکزیمم سیلاب رودخانه تجن با استفاده از روش های هوش مصنوعی،پنجمین کنفرانس هیدرولیک ایران،کرمان،https://civilica.com/doc/3498

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: (1384، مرندی، سیدمرتضی؛ محمدحسین باقری پور و مجتبی قاسمی کوشکلائی و سهیل فاطری)
برای بار دوم به بعد: (1384، مرندی؛ باقری پور و قاسمی کوشکلائی و فاطری)
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 :

  • بارانی غ.، رهنما م. و شباک ش.، پیش‌بینی دبی اوج ...
  • Bart Kosko, University of Southern California, ،Neural Network and Fuzzy ...
  • Jang J. and Sun C. and Mizutani E., *Neuro Fuzzy ...
  • Wang L., ،A Course in Fuzzy System and Control', (1997). ...
  • Cox E., "The Fuzzy Systems Handbook?, Academic Press, MA, (1994). ...
  • Lizaka T. and Matsui T. and Fukuyama Y., ،A Novel ...
  • 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.

    نظرات خوانندگان

    5.00
    1 تعداد پژوهشگران نظر دهنده
    5 1
    4 0
    3 0
    2 0
    1 0

    کدام مقالات به این منبع استناد نموده اند

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 17,469
    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

    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