ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

کاربرد نظریه آشوب و شبکه عصبی مصنوعی در بررسی و تخمین تبخیر از سطح آب دریاچه ها

سال انتشار: 1396
کد COI مقاله: JR_JSW-31-1_006
زبان مقاله: فارسیمشاهده این مقاله: 279
فایل این مقاله در 14 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 14 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله کاربرد نظریه آشوب و شبکه عصبی مصنوعی در بررسی و تخمین تبخیر از سطح آب دریاچه ها

سعید فرزین - استادیار، گروه مهندسی آب و سازه های هیدرولیکی، دانشکده مهندسی عمران،دانشگاه سمنان
رضا حاجی آبادی - دانشجوی دکتری، گروه مهندسی و مدیریت منابع آب، دانشکده مهندسیعمران، دانشگاه علم و صنعت ایران
محمد حسین احمدی - دانشجوی دکتری، گروه آب، دانشکده مهندسی عمران، دانشگاه تبریز

چکیده مقاله:

ماهیت دینامیکی پدیده های هیدرولوژیکی و نیز محدودیت دسترسی ابزارهای ریاضیاتی مناسب، سبب گشته که اکثر مطالعات پیشین در این زمینه، منجر به نگرشی تصادفی و احتمالاتی گردد. بررسی قطعی و یا تصادفی بودن فرآیند دینامیکی مقادیر تبخیر از سطح آب دریاچه ها، به منظور انتخاب روش مناسب شبیه سازی و بررسی قابلیت پیش بینی، موضوع مهم و بحث برانگیزی است که در این تحقیق به آن پرداخته شده است. در این راستا، با توجه به قابلیت فراوان نظریه آشوب و مدل هوشمند شبکه عصبی در مطالعه رفتار سیستم های غیر خطی پویا مقادیر ماهانه تبخیر سطح آب دریاچه ارومیه در شمال غربی ایران، طی یک دوره آماری 40 ساله 1346-1386 با استفاده از مفاهیم این دو روش مورد بررسی و پیش بینی قرار گرفته است نتایج بررسی شاخص های تعیین ماهیت آشوبناکی داده های تبخیر؛ نمای لیاپانوف مثبت و مقدار غیر صحیح شیب نمودار بعد همبستگی در مقابل شعاعهمبستگی، همگی نشانگر رفتار کاملا آشوبناک سری زمانی تحت بررسی می باشد. نتایج صحت سنجی حاکی از دقت بالای نظریه آشوب و مدل شبکه عصبی مصنوعی- اندکی دقت بالاتر- می باشد به طوریکه میانگین خطای مطلق MAE و جذر میانگین مربعات خطا RMSE در شبکه عصبی مصنوعی نسبت به نظریه آشوب به ترتیب 2/51 و 2/25 میلی متر کاهش یافته اند. همچنین نتایج مربوط به ارتفاع تجمعی تبخیر در دوره صحت سنجی حاکی از برتری 3/8 درصدی شبکه عصبی مصنوعی نسبت به نظریه آشوب دارد

کلیدواژه ها:

پیش بینی، پدیده های هیدرولوژیکی، دریاچه ارومیه، نمای لیاپانوف

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_JSW-31-1_006 میباشد و 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/666966/

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:
فرزین، سعید و حاجی آبادی، رضا و احمدی، محمد حسین،1396،کاربرد نظریه آشوب و شبکه عصبی مصنوعی در بررسی و تخمین تبخیر از سطح آب دریاچه ها،https://civilica.com/doc/666966

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، فرزین، سعید؛ رضا حاجی آبادی و محمد حسین احمدی)
برای بار دوم به بعد: (1396، فرزین؛ حاجی آبادی و احمدی)
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 دولتی
تعداد مقالات: 8,663
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 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