شبیه سازی فرآیند بارش- رواناب با استفاده از مدل MLP

سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,338

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

WRM03_269

تاریخ نمایه سازی: 28 فروردین 1387

چکیده مقاله:

مدل MLP یکی از پرکاربرد ترین مدلهای هوش مصنوعی در مدیریت منابع آب از جمله شبیه سازی فرآیند بارش- رواناب می باشد. شبیه سازی دقیق فرآیند بارش- رواناب نقش بسیار مهم ی در مدیریت کارآمد منابع آب ایفا می کند. در این مقاله، با استفاده از نرم افزار BrainCom به بررسی عملکرد مدل MLP در شبیه سازی فرآیند بارش- رواناب در حوضه آبریز رودخانه نازلو پرداخته شده است. بدین منظور، از داده های باران و دبی ماهانه حوضه بعنوان ورودی و خروجی های مدل استفاده گردید. نتایج بدست آمده، توانایی مدل MLP را در پیش بینی دبی و شبیه سازی فرآیند بارش- رواناب تایید می کنند.

کلیدواژه ها:

شبیه سازی فرآیند بارش - رواناب ، مدل MLP ، رودخانه نازلو

نویسندگان

مهسا حسنپور کاشانی

کارشناس ارشد سازه های آبی، دانشگاه ارومیه

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 :
  • مهاج، م.(137). مبانی شبکه های عصبی، انتشارات دانشگاه صنعتی امیرکبیر، ...
  • حسنپور کاشانی، م. (1385). شبیه سازی فرآیند بارش- رواناب با ...
  • Govindaraju, R.S. (2000). "Artificial neural networks _ hydrology.II: hydrologic applications" ...
  • Karunanithi, N., Grenney, W.J., Whitley, D. and Bovee, K. (1994). ...
  • Minns, A.W. and Hall, M.J. (1996). "Artificial Neural Networks as ...
  • Mutiah, R.S. _ Srinivasan, R. and Allen, P.M. (1997). "Prediction ...
  • Gautam, D.K. (1998). Regressive neural networks for modelling time series, ...
  • نمایش کامل مراجع