Publisher of Iranian Journals and Conference Proceedings

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

برآورد ضریب پخشیدگی طولی در آبراهههای طبیعی با استفاده ازشبکه عصبی مصنوعی

دومین همایش و نمایشگاه تخصصی مهندسی محیط زیست
سال انتشار: 1387
کد COI مقاله: CEE02_323
زبان مقاله: فارسیمشاهده این مقاله: 1,367
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 برآورد ضریب پخشیدگی طولی در آبراهههای طبیعی با استفاده ازشبکه عصبی مصنوعی

جواد ظهیری - دانشجوی دکتری سازههای آبی دانشگاه شهید چمران اهواز
یوسف رمضانی - دانشجوی کارشناسی ارشد سازههای آبی دانشگاه شهید چمران اهواز

چکیده مقاله:

یکی از مهمترین پارامترهای موثر در مدل سازی آلودگی ضریب انتشار طولی است که روابط تجربی و تئوری متعددی جهت تخمین آن پیشنهاد شده ولی با این وجود مطالعات بسیاری نیز بر روی این ضریب در حال انجام است . استفاده از این روابط در برخی شرای ط با نتایج خوبی همراه بوده اما تعمیم آنها برای کلیه شرایط هندسی و هیدرولیکی دشوار می باشد . در این تحقیق از روش شبکه عصبی مصنوعی ) ) Artificial Neural Network جهت برآورد ضریب انتشار طولی در آبراهه های طبیعی استفاده گردیده است . نرم افزار مورد استفاده در این تحق یق NeuralTools می باشد که امروزه در زمینههای مختلف مورد استفاده قرار می گیرد . بدین ترتیب از داده های اندازه گیری شده مربوط به ضریب پخشیدگی در نقاط مختلف دنیا جهت آموزش و صحت سنجی مدل استفاده گردید . در نهایت نتایج حاصل از مدل با نتایج حاصل از بکار بردن رو ابط تجربی موجود مورد مقایسه قرار گرفت . از جمله روابط مورد استفاده در این تحقیق می توان به روابط الدر، تکستون، سئو و چانگ و نیز فی شر و همکاران اشاره نمود . نتیجه این مقایسه دقت نسبتا بالای شبکه عصبی در برآورد ضریب انتشار طولی در آبراهههای طبیعی را نسبت به روابط تجربی موجود نشان میدهد

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا CEE02_323 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/37397/

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:
ظهیری، جواد و رمضانی، یوسف،1387،برآورد ضریب پخشیدگی طولی در آبراهههای طبیعی با استفاده ازشبکه عصبی مصنوعی،دومین همایش و نمایشگاه تخصصی مهندسی محیط زیست،تهران،https://civilica.com/doc/37397

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: (1387، ظهیری، جواد؛ یوسف رمضانی)
برای بار دوم به بعد: (1387، ظهیری؛ رمضانی)
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 :

  • مقایسه مدل جدید N.W.N و مدل A.N.N در فرآیند شبیه سازی جریان رودخانه غازان چای [مقاله کنفرانسی]
  • Deng, Z.Q., V.P., Singh, and L, Bengtsson, (2001), "Longitudinal Dispersion ...
  • Fisher, H.B., E.J., List, R.C.J., Koh, J. Imberger, and N.H. ...
  • Harleman, D.R.F., (1966), "Diffusion Processes in Stratified Flow", In: Estuary ...
  • Kashefipour, S.M., (2001), "Modelling Flow, Water Quality and Sediment Transport ...
  • Lee, H.Y., H.M., Hsieh, and C.T., Yang, (1997), "Quasi- Two ...
  • Piotrowski, A., P.M., Rowinski, and J.J., Napiorkowski, (2006), "Assessmernt of ...
  • Seo, I.W., and T.S., Cheong, (1998), "Predicting Longitudinal Dispersion Coefficient ...
  • Specht, D., (1991), "A General Regression Neural Network", IEEE Transaction ...
  • Tlackston, E.L., (1966), "Longitudinal Mixing and Reaeration in Natural Streams", ...

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: 17,241
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

طرح های پژوهشی 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