سال انتشار: 1387
محل انتشار: اولین کنفرانس بین المللی بحران آب
کد COI مقاله: ICWC01_146
زبان مقاله: فارسیمشاهد این مقاله: 31,512
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 11 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:
مشخصات نویسندگان مقاله ارزیابی مقایسهای مدلهای آرما، آریما و مدل خودهمبسته شبکه عصبی مصنوعی در پیشبینی جریان ورودی به مخزن سد دز
چکیده مقاله:
در مقاله حاضر قابلیت مدل های میانگین متحرک خود همبسته ( آرما )، میانگین متحرک جامع خود همبسته ( آریما ) و مدل خودهمبسته شبکه عصبی مصنوعی در پیشبینی جریان ورودی به مخزن سد دز واقع در ایستگاه تله زنگ در بالادست سد دز مورد ارزیابی قرار می گیرد. پیشبینی جریان ورودی به مخزن با روش های آرما و آریما، در تحقیقات قبل تعداد پارامترهای مورد استفاده حداکثر 2 پارامتر بوده است. از طرف دیگر استفاده از دو مدل آرما و آریما به طور همزمان، به منظور مقایسه آنها در پیش بینی خودهمبسته جریان ماهانه ورودی به مخزن سد در تحقیقات قبلی انجام نگردیده است. مقایسه مدل های استاتیک و دینامیک در شبکه های عصبی مصنوعی نیز صورت نگرفته است. در این تحقیق دبی های ماهانه بین سال های 1334 تا 1380 استفاده شده است. آمار مربوط به 42 سال اول برای آموزش مدلها و 5 سال اخیر برای پیشبینی مدلها استفاده گردید. در مدلهای آرما و آریما به ترتیب با تلفیق 4 و 6 پارامتر، چند جمله ای مورد نظر برای پیش بینی جریان بدست آمد. در مدل خود همبسته شبکه عصبی مصنوعی از دو تابع فعالیت شعاعی و سیگموئیدی با تعداد نرون های مختلف در لایه میانی استفاده شد. با مقایسه شاخص RMSE مدل خودهمبسته شبکه عصبی مصنوعی دینامیک با تابع فعالیت سیگموئید و تعداد 17 نرون در لایه میانی بعنوان بهترین مدل در پیشبینی جریان ورودی به مخزن سد دز انتخاب شد. مدل آریما نسبت به آرما با خطای کمتر، جریان ورودی به مخزن سد دز را از 12 ماه قبل و مدل های خود همبسته شبکه عصبی مصنوعی استاتیک و دینامیک با تابع فعالیت سیگموئیدی جریان ورودی به مخزن سد دز را از 5 سال قبل پیش بینی می نمایند.
کلیدواژه ها:
آرما، آريما، پيش بيني جريان ورودي به مخزن سد، سد دز، مدل خودهمبسته شبكه عصبي مصنوعي
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/64355/
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:بنی حبیب، محمد ابراهیم و ولی پور، محمد،1387،ارزیابی مقایسهای مدلهای آرما، آریما و مدل خودهمبسته شبکه عصبی مصنوعی در پیشبینی جریان ورودی به مخزن سد دز،اولین کنفرانس بین المللی بحران آب،زابل،،،https://civilica.com/doc/64355
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، بنی حبیب، محمد ابراهیم؛ محمد ولی پور)
برای بار دوم به بعد: (1387، بنی حبیب؛ ولی پور)
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 :مدیریت اطلاعات پژوهشی
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
- مطالعه و مدل سازی پدیده یوتریفیکاسیون در مخازن سدها با استفاده از شبکه های عصبی مصنوعی(مطالعه موردی: مخزن سد دز)(1392)
- پیش بینی جریان روزانه ورودی به مخزن سد دز با استفاده از مدل های سری زمانی(1390)
- ارزیابی مدلهای ARIMA و PARMAجهت مدلسازی و پیشبینی بیشترین سرعت باد(مطالعه موردی: ایستگاه سینوپتیک بندرعباس)(1392)
- کاربرد نرم افزار R در تخمین رواناب حوضه ارومیه(1393)
بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش 4 مقاله استفاده شده است.
علم سنجی و رتبه بندی مقاله
مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
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
- پیش بینی جریان روزانه ورودی به مخزن سد دز با استفاده از مدل های سری زمانی
- بررسی اثر pH بر روی جذب فنل از منابع آبی توسط ریشه های مویین گیاه شاهبیزک (Atropa belladonna L.)
- کشت ریشههای مویین تراریخت گیاه دارویی خرفه در بیورآکتورآزمایشگاهی
- ارزیابی کیفی منابع زیرزمینی دشت نهاوند به کمک نرم افزار Aquachem و پهنه بندی تیپ آب در ArcGIS
- محاسبه سیل طرح به کمک شبیه سازی مونت کارلو (مطالعه موردی حوضه رودخانه امامه)
مقالات فوق بر اساس داده کاوی مقالات مطالعه شده توسط پژوهشگران محاسبه شده است.
مقالات مرتبط جدید
- بررسی تأثیر شهرنشینی بر تغییر پهنه سیلاب در مسیل های شهری (مطالعه موردی: مسیل زركش مشهد)
- The Application of statistical techniques to study the interaction between surface water and groundwater resources in karstic zones
- ارزیابی تاثیر کشت حفاظتی بر میزان انباشت اب باران در خاک و عملکرد گندم دیم در استان زنجان
- مروری بر الگوریتم های فرا ابتکاری در بهینه سازی خطوط انتقال آب
- تاثیر تغییر اقلیم در روند خشک بر توان آبی استان گیلان موردی (شهرستان لاهیجان)
مقالات فوق اخیرا در حوزه مرتبط با این مقاله به سیویلیکا افزوده شده اند.
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.