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

مقایسه بین شبکه عصبی مصنوعی ANN و سیستم استنتاج نرو فازی تطبیقی در تخمین هدایت هیدرولیکی آبخوان مراغه بناب با استفاده از داده های ژئوفیزیکی

سال انتشار: 1394
کد COI مقاله: ICESCON01_0355
زبان مقاله: فارسیمشاهد این مقاله: 438
فایل این مقاله در 20 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 20 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مقایسه بین شبکه عصبی مصنوعی ANN و سیستم استنتاج نرو فازی تطبیقی در تخمین هدایت هیدرولیکی آبخوان مراغه بناب با استفاده از داده های ژئوفیزیکی

سعید یوسف زاده - دانشجوی کارشناسی ارشد هیدروژئولوژی، دانشکده علوم زمین، دانشگاه تبریز ایران
عطاالله ندیری - عضو هیئت علمی دانشکده علوم زمین، گروه زمین شناسیریال دانشگاه تبریز ایران

چکیده مقاله:

در سالهای اخیر، مدیریت و بهره برداری بهینه از منابع آبهای زیرزمینی با افزایش روزافزون جمعیت و پیشرفت و توسعه جوامع بشری همراه با افزایش تقاضای آب، با تهدیدات جدی روبرو گشته است. برای غلبه بر این موضوع و همچنین برایجلوگیری از تخریب آبخوانها و بهره برداری بهینه از آبهای زیرزمینی، شناخت شرایط حاکم بر محیط هیدروژئولوژیکی ضروری می باشد. برای رسیدن به این مهم، تخمین و ارزیابی پارامترهای مؤثر بر این شرایط مانند هدایت هیدرولیکی از اهمیت و اولویت خاصی برخوردار است. برای تخمین و ارزیابی این پارامترهای به روشهایی نیاز است که بتوانند در زمانیکوتاه و با صرف هزینه کمتر، تخمین دقیقی را ارائه دهند و همچنین از پیچیدگی کمتر برخوردار بوده و برخلاف مدل های مفهمومی و فیزیکی و روشهای کلاسیک، نیازمند داده های زیاد نباشد. براین اساس روشهای هوش مصنوعی مانند شبکه عصبی مصنوعی) ANN (، سیستم استنتاج فازی) FIS ( و سیستم استنتاج فازی عصبی تطبیقی) - ANFIS ( از کارآیی و دقت بالایی برخوردار بوده و بر نواقص فوق غلبه نموده اند. در این تحقیق نیز نتایج حاصل از مدل شبکه عصبی مصنوعی و سیستم استنتاج فازی عصبی تطبیقی جهت تخمین هدایت هیدرولیکی در آبخوان مراغه بناب با هم مقایسه - - شدند. نتایج حاصل نشان داد که علاوه بر کارآیی بالای هر دو مدل، مدل ANFIS که ترکیبی از شبکه عصبی و سیستم استنتاج فازی است، از دقت و قدرت تخمین بالایی برخوردار است.

کلیدواژه ها:

روشهای هوش مصنوعی، شبکه عصبی مصنوعی، منطق فازی، نرو فازی

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/424501/

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:
یوسف زاده، سعید و ندیری، عطاالله،1394،مقایسه بین شبکه عصبی مصنوعی ANN و سیستم استنتاج نرو فازی تطبیقی در تخمین هدایت هیدرولیکی آبخوان مراغه بناب با استفاده از داده های ژئوفیزیکی،کنفرانس بین المللی علوم و مهندسی،،،https://civilica.com/doc/424501

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، یوسف زاده، سعید؛ عطاالله ندیری)
برای بار دوم به بعد: (1394، یوسف زاده؛ ندیری)
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 :

  • سامانی، ن، زار، .، شاهسوند، د.، نوری، م.ح.، 1384. تخمین ... [مقاله کنفرانسی]
  • کرم بیگی، .. حکمت، ز.، محبی، ع.، نظام آبادی پور، ...
  • ندیری، ع.، اصغری مقدم، الف.، عبقری، 5.، کلانتری اسکویی، ع.، ...
  • خاشعی سیوکی، ع.، قهرمان، ب.، کوچک زاده، .. 1392. مقایسه ...
  • مختاری، ز.، ناظمی، الف.، ندیری، ع.، 1391. پیش بینی تراز ...
  • Neuman, S. P. 1975. Analysis of pumping test data from ...
  • Nadiri, A., As gharimo ghddam, A., Nourani, V., 2006. Basic ...
  • Theis c. v. (1935) the relation between lowering of the ...
  • Walton, w.c. 1962. Selected analytical methods for well and aquifer ...
  • Neuman, S. P. 1972. Theory of flow in unconfined aquifers ...
  • Neuman, S. P. 1973. Supplementary common _ _ Theory of ...
  • Boulton, G.S., 1954. The drawdown of the water table under ...
  • Boulton, G.S. and T. D. Stretsova, 1975. New equation for ...
  • Chow, V. T., 1952. On the determination of transmissibility and ...
  • Alyamani, M., Sen, Z., 1993. Determination of hydraulic conductivity from ...
  • Carman, P. C., 1956. Flow of Gases Through Porous Media. ...
  • Fair, G. M., Hatch, L. P., 1933. Fundamental factors governing ...
  • Shepherd, R. G. 1989. Correlations of permeability and grain size. ...
  • Bardossy, A., and Disse, M. (1993). "Fuzzy rule-based models for ...
  • Batyrshin, I., Sheremetov, L., Markov, M., and Panova, A. (2005). ...
  • Tutmez, B., and Hatipoglu, Z. (2007). "Spatial estimation model of ...
  • Helmy, T., Fatai, A., and Faisal, K. (2010). "Hybrid computational ...
  • Anifowose, F., and Abdulraheem, A. (2011). "Fuzzy logic-driven and SVM-driven ...
  • Nadiri, A., Fijani, E., T.C.Tsai, F., Asghari moghaddam, A., 2013. ...
  • Hsieh, b., kewis, c., lin, z-s., 2005. Lithology identification of ...
  • Kurtulus, B., Razack, M., 2010. Modeling daily discharge responses of ...
  • Schaap, M. G., and Leij, F. J. (1998). "Using neural ...
  • Merdun, H., _ 6., Meral, R., and Apan, M (2006). ...
  • Samani, N., Gohari-Mo ghadam, M., and Safavi, A. A. (2007). ...
  • Motaghian, H. R., and Mohammadi, J. (2011). "Spatial estimation of ...
  • Hu, C., Hao, Y., Yeh, T-C. J., Pang, B., Wu, ...
  • Tutmez, B. (2010). ":Assessment of porosity using spatial c Orre ...
  • Srivastav, R. K., Sudheer, K. P., and Chaubey, I. (2007). ...
  • Nikravesh M and Aminzadeh F, 2003. Soft Computing and Intelligent ...
  • Mamdani, EH., and Assilian S, 1975. An experiment in linguistic ...
  • Mamdani, EH., 1976. Advances in the linguistic synthesis of fuzzy ...
  • Mamdani, EH., 1977. Application of fuzzy logic to approximate reasoning ...
  • Nourani, v., Asgharimo ghddam, A., Nadiri, A., 2008a, An ANN-based ...
  • Nourani, V., _ gharimo ghaddam, A., Nadiri, A, Singh, V. ...
  • Nauck, D., Kruse, R., 1999. Obtaining interpretable fuzzy classification rules ...
  • Chiu S, 1994. Fuzzy model identification based _ cluster estimation. ...
  • 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: 18,897
    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