ناشر تخصصی کنفرانس های ایران

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

Predicting the Earthquake Magnitude Using the Multilayer Perceptron Neural Network with Two Hidden Layers

تعداد صفحات: 12 | تعداد نمایش خلاصه: 309 | نظرات: 0
سال انتشار: 1394
کد COI مقاله: JR_CEJ-2-1_001
زبان مقاله: انگلیسی
(فایل این مقاله در 12 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 12 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 3,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Predicting the Earthquake Magnitude Using the Multilayer Perceptron Neural Network with Two Hidden Layers

Jamal Mahmoudi - PhD Candidate, Structural Engineering Research Center, International Institute of Earthquake Engineering and Seismology, Tehran, Iran
Mohammad Ali Arjomand - Assistant Professor, Faculty of Civil Engineering, Shahid Rajaee Teacher Training University, Tehran, Iran
Masoud Rezaei - Faculty of Earthquake Engineering, Road-Building and Housing Research Center, Tehran, Iran
Mohammad Hossein Mohammadi - Faculty of Civil Engineering, Kharazmi University, Tehran, Iran

چکیده مقاله:

Because of the major disadvantages of previous methods for calculating the magnitude of the earthquakes, the neural network as a new method is examined. In this paper a kind of neural network named Multilayer Perceptron (MLP) is used to predict magnitude of earthquakes. MLP neural network consist of three main layers; input layer, hidden layer and output layer. Since the best network configurations such as the best number of hidden nodes and the most appropriate training method cannot be determined in advance, and also, overtraining is possible, 128 models of network are evaluated to determine the best prediction model. By comparing the results of the current method with the real data, it can be concluded that MLP neural network has high ability in predicting the magnitude of earthquakes and it’s a very good choice for this purpose

کلیدواژه ها:

Earthquake Magnitude, Prediction, Multilayer Perceptron, Neural Network, Two Hidden Layers

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/489253/

کد COI مقاله: JR_CEJ-2-1_001

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:
Mahmoudi, Jamal و Arjomand, Mohammad Ali و Rezaei, Masoud و Mohammadi, Mohammad Hossein,1394,Predicting the Earthquake Magnitude Using the Multilayer Perceptron Neural Network with Two Hidden Layers,,,,,https://civilica.com/doc/489253

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, Mahmoudi, Jamal؛ Mohammad Ali Arjomand و Masoud Rezaei و Mohammad Hossein Mohammadi)
برای بار دوم به بعد: (1394, Mahmoudi؛ Arjomand و Rezaei و Mohammadi)
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: پژوهشگاه دولتی
تعداد مقالات: 1,442
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