Publisher of Iranian Journals and Conference Proceedings

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

بررسی روش های داده محور و اثر پیش پردازش موجک بر آن ها در پیش بینی جریان روزانه رودخانه ها

بررسی روش های داده محور و اثر پیش پردازش موجک بر آن ها در پیش بینی جریان روزانه رودخانه ها
سال انتشار: 1392
کد COI مقاله: IHC12_004
زبان مقاله: فارسیمشاهده این مقاله: 1,019
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 بررسی روش های داده محور و اثر پیش پردازش موجک بر آن ها در پیش بینی جریان روزانه رودخانه ها

پیمان یوسفی - کارشناس ارشد، گروه مهندسی آب دانشکده عمران دانشگاه تبریز
محمد امیررحمانی - کارشناس ارشد، گروه مهندسی آب دانشکده عمران دانشگاه تبریز
یوسف حسن زاده - استاد گروه مهندسی آب دانشکده عمران دانشگاه تبریز

چکیده مقاله:

پیش بینی جریان رودخانه ها در طول قرن گذشته همواره مورد توجه محققین بوده است. در دهه های اخیر با واگذاری زیرساخت های آبی به بخش خصوص پیش بینی جریان به موضوعی رقابتی تبدیل شده است. در کنار مدل های مفهومی بارش رواناب و پارامتریک - پیش بینی جریان، در سال های اخیر مدل های داده محور بیشتر مورد توجه قرار گرفته اند. در مطالعه حاضر عملکرد مدل های رگرسیونی، شبکه عصبی مصنوعی، سیستم عصبی فازی، برنامه ریزی بیان ژن و مدل خوشه بندی درختی در پیش بینی جریان روزانه رودخانه و - مقادیر حدی ماکزیمم در شرایط اقلیمی متفاوت مورد بررسی قرار گرفته اند. همچنین اثر روش پیش پردازش داده ی تجزیه موجک بر عملکرد هر یک از مدل ها بررسی شده اند. نتایج نشان داد اعمال پیش پردازش روی دادهها، دقت مدل ها را تا حد محسوس افزایش داده است که بیشترین تاثیر در مدل درختی و برنامه ریزی بیان ژن با حدود 4 درصد بوده که این افزایش در دو شرایط اقلیمی پرآبی و خشکسالی که از اهمیت فوق العاده برخوردارند صورت گرفته است. ولی در مدل عصبی فازی کاهش یافته که بیانگر عدم نیاز این مدل به پیش پردازش سری های ورودی است.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا IHC12_004 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/379245/

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:
یوسفی، پیمان و امیررحمانی، محمد و حسن زاده، یوسف،1392،بررسی روش های داده محور و اثر پیش پردازش موجک بر آن ها در پیش بینی جریان روزانه رودخانه ها،دوازدهمین کنفرانس هیدرولیک ایران،کرج،https://civilica.com/doc/379245

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: (1392، یوسفی، پیمان؛ محمد امیررحمانی و یوسف حسن زاده)
برای بار دوم به بعد: (1392، یوسفی؛ امیررحمانی و حسن زاده)
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 :

  • Ferreira, C. (2001). Gene expression programming: a new adaptive algorithm ...
  • Firat, M., Gung, M. (2007). River flow estimation using adaptive ...
  • Jang, J.S., Sun, C.T., Mizutani, E. (1997). Neuro-fuzzy and soft ...
  • Khatibi M.A., Ghorbani M.A., Kashani M.H., Kisi O. (2011). Comparison ...
  • Mahabir, C., Hicks, F.E., Fayek, R. (2003). Application of fuzzy ...
  • Mallat, S. (1998). A wavelet tour of signal processing. Academic ...
  • Nourani, V., Kisi, O., Komasi, M. (2011). Two hybrid artificial ...
  • Piotrowski, A.P., Napiorkowski, J.J. (2011). Optimizing neural networks for river ...
  • Quinlan J.R. (1992). Learning with continuous classesm. Proceedings of 5th ...
  • Solomatine, D.P. Dulal, K. (2003). Model trees as _ alternative ...
  • Solomatine, D.P., Siek, M.B. (2006). Modular learning models in forecasting ...
  • Tokar, A.S., Markus, M. (2000). Pre c ip itation-runoff modeling ...
  • Wang, W., Ding, J. (2003). Wavelet network model and Its ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    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: 23,217
    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

    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