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

ارزیابی مقایسه‌ای مدل‌های آرما، آریما و مدل خودهمبسته شبکه عصبی مصنوعی در پیش‌بینی جریان ورودی به مخزن سد دز

سال انتشار: 1387
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

خرید و دانلود فایل مقاله

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

محمد ابراهیم بنی حبیب - استادیار گروه مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران
محمد ولی پور

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 :

  • کارآموز، محمد، شهاب عراقی‌نژاد، (1384)، "هیدرولوژی پیشرفته"، انتشارات دانشگاه صنعتی ...
  • منهاج، م.، (1377)، "شبکه‌های عصبی مصنوعی"، انتشارات دانشگاه صنعتی امیرکبیر. ...
  • مدل شبکه عصبی مصنوعی برای بررسی همبستگی مکانی و زمانی بین ایستگاهها در پیش بینی جریان ورودی به مخزن سد [مقاله کنفرانسی]
  • نیرومند، حسینعلی، (1384)، "تجزیه و تحلیل سری‌های زمانی"، تالیف جاناتان ...
  • Balaguer, E., Albertoo Palomares, Emilio Sorie. Jose David Martin -Guerrero ...
  • Toth, E., A. Brath, A. Montanari, (2000), *Comparison of short-term ...
  • Mohammadi, K., H. R. Eslami and Sh. Dayyani Dardashti, (2005), ...
  • Kisi, I., Kerem Cigizoglu, (2005), "Reservoir Management Using Artificial Neural ...
  • 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: 58,038
    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

    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