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

بهبود پیش بینی و تخمین بار معلق رودخانه ها با استفاده از شبکه های عصبی مصنوعی

سال انتشار: 1385
کد COI مقاله: ICCE07_424
زبان مقاله: فارسیمشاهد این مقاله: 1,444
فایل این مقاله در 8 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 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بهبود پیش بینی و تخمین بار معلق رودخانه ها با استفاده از شبکه های عصبی مصنوعی

احمد میرباقری - استاد دانشکده عمران، دانشگاه صنعتی خواجه نصیرالدین طوسی
طاهر رجائی - دانشجوی دکتری عمران آب - محیط زیست، دانشگاه صنعتی خواجه نصیرالدین طوسی

چکیده مقاله:

تخمین میزان بار رسوب یکی از اولویتهای بحث مدیریت رودخانه ها، مخازن سدها وبطور کلی پروژه های آبی است. با توجه به پیچیدگی پدیده رسوب و عدم توانایی تعیین دقیق معادلات حاکمه بدلیل تاثیرات پارامترهای مختلف ونیز تاثیر مسائلی نظیر تغییرات مکانی و زمانی شرایط هیدرولوژیکی حوضه آبریز و مشکلات ناشی ازتعیین تاثیرات آنها، محققان به استفاده از مدلهای جعبه سیاه نظیر شبکه های عصبی مصنوعی روی آورده اند. در این مقاله در مورد کارایی این شبکه ها در تخمین و پیش بینی بار معلق رودخانه ها، مطالعاتی انجام یافته و شبکه هایی طراحی شده اند که بار معلق رودخانه ها را پیش بینی می کنند. برای ساخت این شبکه ها از پرسپترون چند لایه استفاده شده و در انواع تقسیم بندی مجموعه داده ها، انواع ترکیبات ورودی شبکه ، تعدادلایه های شبکه و تعداد نورونهای لایه های ورودی ومخفی شبکه، تحقیقاتی انجام گرفته است. برای ایجاد مدلها، از تکنیک توقف زودهنگام (Early Stopping) استفاده شده و برای ارزیابی نتایج، مقایسه ای با روش منحنی سنجه رسوب انجام گرفته که نتایج، نشان دهنده برتری مدل شبکه های عصبی بوده است.

کلیدواژه ها:

پرسپترون چند لایه ، پیش بینی رسوب ، توقف زودهنگام ، منحنی سنجه ، شبکه عصبی

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/6334/

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:
میرباقری، احمد و رجائی، طاهر،1385،بهبود پیش بینی و تخمین بار معلق رودخانه ها با استفاده از شبکه های عصبی مصنوعی،هفتمین کنگره بین المللی مهندسی عمران،تهران،،،https://civilica.com/doc/6334

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: (1385، میرباقری، احمد؛ طاهر رجائی)
برای بار دوم به بعد: (1385، میرباقری؛ رجائی)
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 :

  • تخمین بار معلق رودخانه زهره با استفاده از شبکه عصبی مصنوعی [مقاله کنفرانسی]
  • میر باقری، س. ا و رجائی، ط. استفاده از شبکه ... [مقاله کنفرانسی]
  • Chen, J., Adams, B. J., 2005. Integration of artificial neural ...
  • Srinivasulu, S., Jain, A., 2005. A comparative analysis of training ...
  • Garcia, L. A., Shigidi, A., 2005. Using neural networks for ...
  • Moradkhani, H., Hsu, K., Gupta, H.V., Sorooshian, S., 2004. Improved ...
  • Bruen, M., Yang, J., 2005. Functional networks in real-time .Flood ...
  • Nagy, H. M., Watanabe, K., and Hirano, M., (2001). "Prediction ...
  • Jain, S. K., (2001). "Development of integrated sediment rating curves ...
  • Sarangi, A., Bhattacharya, A.K., 2005. Comparison of Artificial Neural Network ...
  • Smith, M. (1993). Neural networks for statistical modeling, Van Nostrand ...
  • Finnoff, W., 1993. Improving model selection by no nconvergent method. ...
  • 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.

    کدام مقالات به این منبع استناد نموده اند

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 9,977
    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

    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