ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

شبیه سازی فرآیند بارش- رواناب با استفاده از شبکه عصبی مصنوعی در حوضه کارده

تعداد صفحات: 10 | تعداد نمایش خلاصه: 1595 | نظرات: 0
سال انتشار: 1384
کد COI مقاله: IHC05_223
زبان مقاله: فارسی
(فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

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.

قیمت این مقاله : 0 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله شبیه سازی فرآیند بارش- رواناب با استفاده از شبکه عصبی مصنوعی در حوضه کارده

ع جهانگیر - دانشجوی کارشناسی ارشد دانشکده کشاورزی دانشگاه مازندران
م رائینی - استادیار دانشکده کشاورزی دانشگاه مازندران
م.ض احمدی - استاد دانشکده کشاورزی دانشگاه مازندران
ا اکبرپور - مربی دانشکده کشاورزی دانشگاه بیرجند

چکیده مقاله:

فرآیند بارش-رواناب یک پدیده فیزیکی است که بررسی آن به سبب تاصیرپذیری از پارامترهای مختلف، دشوار می باشد.هدف این پژوهش بررسی کارآمدی شبکه عصبی مصنوعی (ANN) در شبیه سازی اینن فرآیند بود. به این منظور حوضه کارده(واقع در شمال شرقی خراسان) برگزیده شد و هیتوگراف های چندین پیشامد بازندگی و آبنمودهای رواناب آنها مبنای کار قرار گرفت. سپش شبکه عصبی مصنوعی از نوع پس انتشار با تابع فعالیت سیگموئید آموزش داده شد. معیار گزینش پارامترهایی آموش شبکه، تولید کمترین مقدار (RMSE) بود. نتایج نشان داد که با قانون آموزش دلتا شبکه پرسپترون چند لایه دارای یک لایه پنهان، فرآیند بارش-رواناب را با دقت خوبی شبیه سازی نمود.(p <0/0001 ). ضریبهمبستگی کل داده های دبی و حجم رواناب واقعی و شبیه سازی شده، 0/969 بدست آمد. همچنین ANN مقدار و زمان دبی های اوج را به خوبی برآورد کرد( ضریب همبستگی به ترتیب 0/9782 و 0/9052 بود) در مورد آبنمودهای دارای زمان اوج کمتر نسبت به دیگر آبنمودها، پیش بینی شبکه با تاخیر 1 تا 2 ساعت انجام گرفت با برگزیدن اندازه بزرگتر چرخه آموزش سرعت آموزش شبکه کندتر شداما دقت آن بهبود یافت.

کلیدواژه ها:

شبيه سازي بارش-رواناب ، شبكه عصبي مصنوعي ، حوضه كارده

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/3624/

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:
جهانگیر، ع و رائینی، م و احمدی، م.ض و اکبرپور، ا،1384،شبیه سازی فرآیند بارش- رواناب با استفاده از شبکه عصبی مصنوعی در حوضه کارده،پنجمین کنفرانس هیدرولیک ایران،کرمان،،،https://civilica.com/doc/3624

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، جهانگیر، ع؛ م رائینی و م.ض احمدی و ا اکبرپور)
برای بار دوم به بعد: (1384، جهانگیر؛ رائینی و احمدی و اکبرپور)
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 :

  • خبیری، ه. و ح. ر. ناصری. 1378. شبیه سازی فرآیند ...
  • سازمان توسعه منابع آب کشور (تماب). 1374. شناسایی و معرفی ...
  • سازمان آب منطقه‌ای خراسان.1360 تا 1382. گزارشات آماری حوضه معرف ...
  • علیزاده، ا. 1374. اصول هیدرولوژی کاربردی. جلد ششم. موسسه چاپ ...
  • منهاج، م. ب. 1381. مبانی شبکه‌های عصبی. جلد اول (هوش ...
  • Anctil, F., C.H. Perrin and V. Andreassian. 2004. Impact of ...
  • ASCE Task Committee. 2000. Artificial neural networks in hydrology, II: ...
  • Birikundavyi, S., R. Labib, H.T. Trung and J. Rousselle. 2002. ...
  • Braddock, R.D., M.L. Kremmer and L. Sanzogni. 1998. Feedforward artificial ...
  • Coulibaly, P., F. Anctil, and B. Bobee. 2000. Daily reservoir ...
  • Dimopoulos, I., _ Lek and J. Lauga. 1996. R ainfall-runoff ...
  • Lallahem, S. and J. Mania. 2003. A Non-]inear rainfall -runoff ...
  • Lorrai, M. and H.M. Sechi. 1995. Neural networks for modeling ...
  • Rajurkar, M.P., U.C. Kothyari and U.C. Chaube. 2004. Modeling of ...
  • Sajikumar, N. and B.S. Th andavesward. 1999. A Non-linear rainfall-runoff ...
  • Smith, J. and R.N. Eli. 1995. Neural network models of ...
  • Tokar, A.S. and M. Markus. 2000. Pre cipitation-ru noff modeling ...
  • 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.

    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: 7,554
    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