سال انتشار: 1384
محل انتشار: پنجمین کنفرانس هیدرولیک ایران
کد COI مقاله: IHC05_154
زبان مقاله: فارسیمشاهد این مقاله: 1,046
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 14 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:
مشخصات نویسندگان مقاله شبیه سازی جریان رودخانه هلیل رود با استفاده از مدل جدید NEURAL WAVELET NETWORK
چکیده مقاله:
مدل (NWN) NEURAL WAVELET NETWORK به عنوان یکی از جدیدترین مدلها در سالهای اخیر و به خصوص در زمینه شبیه سازی در بهینه سازی، سازه ها فضاکار مورد استفاده قرار گرفته است. در این تحقیق برای اولین بار، شبیه سازی جریان رودخانه هلیل رود با تلفیق موجک ها ( WAVELETS) و شبکههای عصبی مصنوعی انجام گرفته است. در مطالعه حاضر با استفاده از توان بالای WAVELET در شناسایی سیگنالها و جداسازی سیگنالهای خطا در ترکیب با شبکه عصبی برای شبیه سازی جریان رودخانه هلیل رود به صورت تابعی از بارش و دبی می باشد مورد تجزیه و تحلیل قرارگرفته است و با توجه به نتایج بدست آمده می توان ادعا کرد که مدل NWN، جایگزین مناسبی برای سایر روشها می تواند باشد. جهت ارائه بهترین مدل، ترکیبات مختلف موجک ها در طراحی مدل NWN به کار گرفته شده و بهترین مدل که حاکی از کمترین خطا می باشد معرفی شده است. نتایج نشان می دهد که مدل NWN به خصوص در دبی های بالا نتایج بهتری داشته و زمان آموزش نیز کاهش می یابد.
کلیدواژه ها:
موجك (WAVELET) ، مدل NWN ، هليل رود
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/3555/
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:نوری، مجتبی و رهنما، محمدباقر و پیره، علیرضا،1384،شبیه سازی جریان رودخانه هلیل رود با استفاده از مدل جدید NEURAL WAVELET NETWORK،پنجمین کنفرانس هیدرولیک ایران،کرمان،،،https://civilica.com/doc/3555
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، نوری، مجتبی؛ محمدباقر رهنما و علیرضا پیره)
برای بار دوم به بعد: (1384، نوری؛ رهنما و پیره)
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 ممقالهقاله لینک شده اند :مدیریت اطلاعات پژوهشی
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
- مدل بارندگی-رواناب با استفاده از تئوری موجک و شبکه های عصبی مصنوعی (مطالعه موردی هلیل رود)(1385)
- پیش بینی سیلاب با استفاده از مدل جدید شبکه عصبی- موجکی شعاعی و رگرسیون امکانی فازی(1388)
بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش 2 مقاله استفاده شده است.
علم سنجی و رتبه بندی مقاله
مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
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
- بررسی وضعیت آلاینده های هوا و شاخص کیفیت هوا (AQI)در ایستگاه های سنجش آلودگی هوا شهرتهران با استفاده از سیستم اطلاعات مکانی (GIS)
- تاثیر آموزش حساسیت زدایی با حرکات چشم در کاهش اضطراب دانش آموزان پشت کنکور
- مقایسه مدل جدید N.W.N و مدل A.N.N در فرآیند شبیه سازی جریان رودخانه غازان چای
- بررسی تأثیرآشفتگی برآستانه حرکت رسوبات با استفاده ازشبکه عصبی مصنوعی
- بررسی تغییرات آب های زیرزمینی با استفاده از داده های ماهواره GRACE
مقالات فوق بر اساس داده کاوی مقالات مطالعه شده توسط پژوهشگران محاسبه شده است.
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.