ناشر تخصصی کنفرانس های ایران

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

ارزیابی مدلهای شبکه عصبی مصنوعی در پیش بینی نفوذ پذیری نهایی خاکها مطالعه موردی - خاکهای مزرعه تحقیقاتی پردیس ابوریحان

تعداد صفحات: 8 | تعداد نمایش خلاصه: 848 | نظرات: 0
سال انتشار: 1387
کد COI مقاله: IDNC02_216
زبان مقاله: فارسی
(فایل این مقاله در 8 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 8 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 3,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارزیابی مدلهای شبکه عصبی مصنوعی در پیش بینی نفوذ پذیری نهایی خاکها مطالعه موردی - خاکهای مزرعه تحقیقاتی پردیس ابوریحان

کیومرث ابراهیمی - استادیار گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی، دا
فاطمه نایب اوئی - دانشجوی کارشناسی ارشد مهندسی آبیاری و زهکشی، دانشگاه ارومیه

چکیده مقاله:

نفوذ پذیری خاک ها یکی از پدیده های بسیار مهم و بنیادی در مباحث آب و خاک می باشد. با توجه به گستردگی کاربرد و اهمیت این پارامتر در صحت طراحی پروژه های آبی، عدم توجه به اندازه گیری و برآوردهای صحیح آن باعث هدر رفت سرمایه های ملی می شود. در تمام روشهای موجود برای تعیین معادلات نفوذ، انجام آزمایشات زمان بر و پرهزینه صحرایی الزامی است. همچنین وجود عبارت های غیرخطی در معادلات حاکم بر پدیده نفوذپذیری، مدلسازی آن را امری مشکل نموده است. از طرفی امروزه توانمندیهای روش های شبکه های عصبی مصنوعی در مدلسازی مسائل غیرخطی باعث شده تا درعلوم مختلف مهندسی به موازات کاربرد روشهای متداول، از روش شبکه های عصبی نیز استفاده شود . درتحقیق حاضر شبکه های عصبی مصنوعی به عنوان روشی جدید به منظور تخمین مقادیر نفوذپذیری نهایی خاکها بکار گرفته شد ه است . در این تحقیق در مدل شبکه عصبی مصنوعی تهیه شده، پارامترهای فیزیکی خاک از جمله درصد موادآلی، وزن مخصوص حقیقی و ظاهری، تخلخل و همچنین پارامترهای شیمیایی آن نظیر اسیدیته و میزان سدیم به عنوان ورودی و در مقابل مقادیر نفوذپذیری نهایی خاک به عنوان پارامتر خروجی مدل لحاظ شده اند. شبکه تهیه شده یک شبکه سه لایه پیش رو بوده که برای رسیدن به آن ،در مرحله آموزش و انتخاب نهایی از الگوریتم های مختلف بر مبناء حداقل میانگین مربعات خطا استفاده شده است . همچنین یک مدل آماری بر اساس رگرسیون های چند متغیره تهیه و خروجی های مدل شبکه عصبی و مدل آماری با مقادیر واقعی اندازه گیری شده و با کاربرد معیار ضرایب همبستگی مقایسه شده است. نتایج این تحقیق نشان داد که مدل های شبکه عصبی مصنوعی با دقت بسیار بالا و قابل قبولی توانایی تخمین و پیش بینی مقادیر نفوذپذیری نهایی خاکها را بر اساس پارامترهای زود یافت خاک دارند. وجه تمایز این تحقیق با سایر تحقیقات مشابه در مدلسازی با شبکه های عصبی مصنوعی آن است که ، در این تحقیق علاوه بر کاربرد شبکه های عصبی مصنوعی در مورد نفوذپذیری، توانمند های این روش در یافتن دانش الگوریتم در داده های با حجم پائین نیز به اثبات رسید.

کلیدواژه ها:

پارامترهاي فيزيكو- شيميايي خاك، شبكه عصبي مصنوعي، ضريب نفوذپذيري نهايي، مدل آماري

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/60228/

کد COI مقاله: IDNC02_216

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:
ابراهیمی، کیومرث و نایب اوئی، فاطمه،1387،ارزیابی مدلهای شبکه عصبی مصنوعی در پیش بینی نفوذ پذیری نهایی خاکها مطالعه موردی - خاکهای مزرعه تحقیقاتی پردیس ابوریحان،دومین همایش ملی مدیریت شبکه های آبیاری و زهکشی،اهواز،،،https://civilica.com/doc/60228

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: (1387، ابراهیمی، کیومرث؛ فاطمه نایب اوئی)
برای بار دوم به بعد: (1387، ابراهیمی؛ نایب اوئی)
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 :

  • بای بوردی، م. 1362. اصول مهندسی آبیاری روابط آب و ...
  • بنی حبیب، م. ا. و ا. امامی. 1384. مدل شبکه ... (مقاله ژورنالی)
  • راسل، اس. و پ. نوریک.1383. هوش مصنوعی(رهیافتی نوین)، مترجم ع. ...
  • محمدی، م. ح. و ح. رفاهی. 1384. تخمین پارامترهای معادلات ... (مقاله ژورنالی)
  • منهاج، م.ب.، 1381، مبانی شبکه های عصبی _ جلداول، انتشارات ...
  • نعمت الهی، ن. 1382. آمار و احتمالات مهندسی، مرکز انتشارات ...
  • برآورد سریع هدایت آبی اشباع خاک با استفاده از شبکه عصبی مصنوعی [مقاله کنفرانسی]
  • Green, W. H. & G. A. Ampt. 1911., Studies in ...
  • Horton, R. E. 1940, An approach toward to physical interpretation ...
  • Kostiakov, A. N. 1932. _ the Dynamic of coefficient of ...
  • Machiwa, D., Madan K. and Mal B. C. 2006 .Modelling ...
  • Merdun, H., Cinar, O., Meral , R., and Apan, M. ...
  • Pham, D. T. 1999. Neural Networks for Identification, Prediction and ...
  • Philip, J. R. 1957a. The theory of infiltration. I. Infiltration ...
  • Postawko, S., and Morissey, _ 2003. Use of Artificial Intelligence ...
  • Shirley, C. 2002 _ Prediction of Fluid Velocity in Highly ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • هوش مصنوعی > شبکه عصبی
  • اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    کدام مقالات به این منبع استناد نموده اند

    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