ناشر تخصصی کنفرانس های ایران

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

مقایسه روشهای شبکه عصبی و فازی - عصبی جهت پیش بینی میزان رسوب سدسپیدرود

تعداد صفحات: 14 | تعداد نمایش خلاصه: 135 | نظرات: 0
سال انتشار: 1395
کد COI مقاله: ICINH01_370
زبان مقاله: فارسی
(فایل این مقاله در 14 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 14 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 3,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مقایسه روشهای شبکه عصبی و فازی - عصبی جهت پیش بینی میزان رسوب سدسپیدرود

سیدحسین سیدصالحی - دانشجوی کارشناسی ارشد مهندسی عمران آب دانشگاه آزاداسلامشهر
صابر معظمی گودرزی - دکتری عمران آب استادیاردانشگاه آزاداسلامشهر
صمد امامقلیزاده - دکتری سازه های آبی دانشیار دانشگاه صنعتی شاهرود

چکیده مقاله:

در دهه اخیر روشهای هوش مصنوعی بهعنوان نسل جدید سیستمهای هوشمند باقابلیت بالای مدیریت عدم قطعیت درداده های ورودی و دانش مورد نیاز در فرایند تصمیم گیری و پیشبینی مورد توجه پژوهش های بسیاری قرارگرفته است. بر این اساس این پژوهش بر آن است تا با استفاده از تکنیک های هوش مصنوعی یک راه حل مناسب برای مدلسازی رفتار رسوب و پیش بینی میزان رسوب سد سپید رود بپردازد. در این تحقیق از قابلیت شبکه عصبی و سیستم فازی-عصبی در پیشبینی رسوب سد سپیدرود استفاده گردیده است. در این مدل ها برای تخمین رسوب از دبی یک روز قبل و اشل یک روز قبل و دبی بهعنوان ورودی ودادههای رسوب برای خروجی در سال های تا 81تا 93 استفادهشده است. سیستم شبکه عصبی با خطای 04682.0=MSE نسبت به مدل شبکه-عصبی دارای دقت بالاتری بوده است .

کلیدواژه ها:

شبكه عصبي مصنوعي،تخمين رسوب سد، سيستم فازي ، رودخانه سپيدرود

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/549172/

کد COI مقاله: ICINH01_370

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:
سیدصالحی، سیدحسین و معظمی گودرزی، صابر و امامقلیزاده، صمد،1395،مقایسه روشهای شبکه عصبی و فازی - عصبی جهت پیش بینی میزان رسوب سدسپیدرود،اولین کنفرانس بین المللی مخاطرات طبیعی و بحران های زیست محیطی ایران، راهکارها و چالش ها،اردبیل،،،https://civilica.com/doc/549172

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: (1395، سیدصالحی، سیدحسین؛ صابر معظمی گودرزی و صمد امامقلیزاده)
برای بار دوم به بعد: (1395، سیدصالحی؛ معظمی گودرزی و امامقلیزاده)
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 :

  • احمدی، سید احمد و امین فلامکی، 1391، برآورد بارکل رسوب ... (مقاله کنفرانسی)
  • امکان سنجی هدایت جریانهای غلیظ مخزن سد دز به سمت مجاری سرریز با استفاده از شافت قائم مستغرق [مقاله کنفرانسی]
  • برآورد رسوبات معلق با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: ایستگاه هیدرومتری حیدرآباد) [مقاله کنفرانسی]
  • سمانه رضوی زاد، عطااله کاویان، مهدی وفاخواه، تخمین دبی بار ...
  • استفاده از شبکه های عصبی مصنوعی (ANNs) برای تخمین رسوب در دریاچه سد سپیدرود [مقاله کنفرانسی]
  • عباسعلی ولی، محمدحسین رامشت، عبداله سیف، رضا قضاوی، 1390 مقایسه ...
  • کیومرث روشنگرو بهزاد روح پرور، 1391، تخمین دبی جامد ورودی ...
  • مجید منتصری، سروین زمان زاد قویدل، 1393، پیشبینی جریان رودخانه ...
  • محمد مهدی معیری، محمد رضا نیکپور، علی حسینزاده دلیر و ... (مقاله ژورنالی)
  • مدلسازی رسوب گذاری مخازن سدها در اثر جریان چگالی [مقاله کنفرانسی]
  • امشیری، سعید. (1380). پیش‌بینی تورم ایران با استفاده از مدل‌های ... (مقاله ژورنالی)
  • منهاج، محمد باقر. (1384). مبانی شبکه های عصبی. تهران: انتشارات ...
  • نوری ر. فرخنیا ا. مرید س؛ و ریاحی مدوار ح ...
  • Aqil M, Yano K and Nishiyama (2007) A comparative study ...
  • Jang JSR (1993) ANFIS: adaptive network based fuzzy inference system. ...
  • Jang, J. S. R. Sun, C. T. and Mizutani, E. ...
  • Mohamad Ali Ghorbani, Seyyed Hasan Hosseini, Mohamad Hasan Fazelifard, Habibeh ...
  • Piri, J. Amin, S. M oghaddamnia, A. Han, D.and D.Remesun. ...
  • Sugeno M. 1985: Industrial applications of fuzzy control, Elsevier Science ...
  • Zadeh L.A. 1965, "Fuzzy sets". Information and Control 8 338-353. ...
  • J. E. Dayhoff, Neural Network Architectures An Introduction: Van Nostrand ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله
    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 آزاد
    تعداد مقالات: 2,381
    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