ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

A Wavelet-ANN Approach to Investigate the Effect of Seasonal Decomposition of Time Series in Daily River Flow Forecasting

تعداد صفحات: 8 | تعداد نمایش خلاصه: 649 | نظرات: 0
سال انتشار: 1394
کد COI مقاله: ICCE10_0243
زبان مقاله: انگلیسی
(فایل این مقاله در 8 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.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت 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 8 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 3,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله A Wavelet-ANN Approach to Investigate the Effect of Seasonal Decomposition of Time Series in Daily River Flow Forecasting

Mohamad Javad Alizadeh - PhD Student, Faculty of Civil Engineering, K.N.Toosi University of Technology, Tehran, Iran
Mohamad Reza Kavianpour - Associate Professor, Faculty of Civil Engineering, K.N.Toosi University of Technology, Tehran, Iran
Ahmad Tahershamsi - Associate Professor, Department of Civil and Environmental Engineering, Amirkabir University of Technology, Tehran, Iran
Hossein Shahheydari - PhD Student, Faculty of Civil Engineering, K.N.Toosi University of Technology, Tehran, Iran

چکیده مقاله:

This paper presents the effect of seasonal decomposition of time series in daily flow forecasting. Models are developed for each season separately and a wavelet-neural network approach is applied to predict the flow discharge in Karaj River. Different combinations of the meteorological data (precipitation and temperature) and the flow discharge with different lag times and also different wavelet decomposition levels are used to find the best model performances. Discrete wavelet transform is used to decompose the original time series and the decomposed sub-time series are applied as the new input data for the neural network models. The study demonstrates that wavelet-neural network models can be used to predict the flow discharge successfully. Performances of seasonal models are compared with non-seasonal models. Comparisons show that the use of seasonal models instead of non-seasonal models provides a more accurate prediction of the river flow. Results of this study reveal that the best model for each season includes different input variables

کلیدواژه ها:

Wavelet Transform, Neural Network, Flow Discharge, Precipitation, Model Performance

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/363962/

کد COI مقاله: ICCE10_0243

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:
Alizadeh, Mohamad Javad و Kavianpour, Mohamad Reza و Tahershamsi, Ahmad و Shahheydari, Hossein,1394,A Wavelet-ANN Approach to Investigate the Effect of Seasonal Decomposition of Time Series in Daily River Flow Forecasting,دهمین کنگره بین المللی مهندسی عمران,تبریز,,,https://civilica.com/doc/363962

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: (1394, Alizadeh, Mohamad Javad؛ Mohamad Reza Kavianpour و Ahmad Tahershamsi و Hossein Shahheydari)
برای بار دوم به بعد: (1394, Alizadeh؛ Kavianpour و Tahershamsi و Shahheydari)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله

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: 9,448
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