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

پیش بینی سری بارندگی با استفاده از شبکه عصبی مصنوعی و روش حداکثر بارش محتمل

تعداد صفحات: 21 | تعداد نمایش خلاصه: 199 | نظرات: 0
سال انتشار: 1396
کد COI مقاله: PDCONF04_170
زبان مقاله: فارسی
(فایل این مقاله در 21 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.

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 21 صفحه است به صورت فایل PDF در اختیار داشته باشید.

قیمت این مقاله : 0 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی سری بارندگی با استفاده از شبکه عصبی مصنوعی و روش حداکثر بارش محتمل

بهرام شریفی - شرکت مهندسی آوای گل افشان امروز، دانشگاه آزاد اسلامی شهر قدس، دانشگاه آزاد اسلامی شهر قدس
سیدحبیب موسوی جهرمی - شرکت مهندسی آوای گل افشان امروز، دانشگاه آزاد اسلامی شهر قدس، دانشگاه آزاد اسلامی شهر قدس
حسین ابراهیمی - شرکت مهندسی آوای گل افشان امروز، دانشگاه آزاد اسلامی شهر قدس، دانشگاه آزاد اسلامی شهر قدس

چکیده مقاله:

پیشبینی دقیق بارش باران به خصوص در مناطق خشک و نیمه خشک، نقش مهمی را در مدیریت موثر منابع آب بازی میکند. حصول روشهای مناسب و دقیق در پیشبینی بارندگی یکی از مسایل چالش انگیز امروزی، در مدیریت منابع آب و مخاطرات اقلیمی است. اگرچه تحقیقات زیادی در زمینه استفاده از روش های هوش محاسباتی برای پیش بینی بارش و رواناب صورت گرفته ا ست اما، روش حداکثر بارش محتمل یکی از ابزارهای به ن سبت پرکاربردتر به منظور طراحی سازه های آبی و پیش بینی سی لاب های حداکثر در ایران بوده ا ست. لذا در این تحقیق کارایی این روش در برابر روش شبکه عصبی مصنوعی به چالش کشیده شده است. نتایج ن شان داد که روش شبکه عصبی مصنوعی، پاسخ مناسبی برای پیش بینی فرایند بارش خواهد داشت. به طوری که با ضریب همبستگی بسیار بالا و در حدود 97 درصد روبرو هستیم . با این حال، نتایج نشان داد که روش سینوپتیک به مراتب مقادیر حداکثر را بهتر از شبکه ع صبی تخمین خواهد زد. ا ستفاده از این دو روش در کنار هم امکان برر سی و مقای سه هر چه بهتر و مدل سازی هر چه صحیح تر را فراهم می آورد.

کلیدواژه ها:

پيش بيني بارندگي، شبكه عصبي مصنوعي، حداكثر بارش محتمل

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/649134/

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:
شریفی، بهرام و موسوی جهرمی، سیدحبیب و ابراهیمی، حسین،1396،پیش بینی سری بارندگی با استفاده از شبکه عصبی مصنوعی و روش حداکثر بارش محتمل،چهارمین کنگره علمی پژوهشی توسعه و ترویج علوم کشاورزی، منابع طبیعی و محیط زیست ایران،تهران،،،https://civilica.com/doc/649134

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: (1396، شریفی، بهرام؛ سیدحبیب موسوی جهرمی و حسین ابراهیمی)
برای بار دوم به بعد: (1396، شریفی؛ موسوی جهرمی و ابراهیمی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 1,527
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