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

تحلیل الگوی توزیع زمانی بارش با روش شبکه عصبی مصنوعی و مقایسه با روش رگرسیون خطی چند متغیره (منطقه مورد بررسی: ایران)

سال انتشار: 1396
کد COI مقاله: CICEAUD01_0393
زبان مقاله: فارسیمشاهد این مقاله: 145
فایل این مقاله در 10 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 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تحلیل الگوی توزیع زمانی بارش با روش شبکه عصبی مصنوعی و مقایسه با روش رگرسیون خطی چند متغیره (منطقه مورد بررسی: ایران)

وهاب علی نژاد خباز - دانشجوی کارشناسی ارشد مهندسی آب و سازه های هیدرولیکی، دانشگاه آزاد اسلامی، مشهد، ایران
فرهاد خام چین مقدم - استادیار دانشکده فنی مهندسی دانشگاه آزاد اسلامی، مشهد، ایران

چکیده مقاله:

آگاهی و شناخت از الگوی توریع زمانی بارش از اساسی ترین و پر اهمیت ترین ملزومات طراحی سازه ها و تاسیسات آبی و مهندسی است. روش شبکه های عصبی مصنوعی ، یکی از روش های کارآمد در حل مسایل پیچیده در علوم مختلف به شمار می آید. در این پژوهش با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه (MLP) ، محدوده ایران بررسی و کارایی روش شبکه عصبی مصنوعی در تعیین الگوی توزیع زمانی بارش، با نتایج روش رگرسیون خطی چند متغیره (MR) که قبلا محاسبه شده بود مقایسه گردید. نتایج حاصل نشان می دهد روش شبکه عصبی مصنوعی روشی قابل اعتماد بوده و عملکرد آن در ناحیه مورد بررسی بهتر از روش رگرسیون خطی چند متغیره است. نتایج ارزیابی مدل ها بر اساس شاخص های ریشه ی میانگین مربعات خطا (RMSE) و ضریب تغییرات(CV) بوده است. نسبت داده های آموزش 70 درصد، آزمون 15 درصد و ارزیابی 15 درصد کل داده ها در نظر گرفته شده است. توابع لگاریتم سیگموییدی، تانژانت هایپربولیک سیگموییدی و انتقال شعاعی برای توابع فعالیت لایه های پنهان و تابع خالص خطی برای لایه خروجی انتخاب گردید. توابع آموزش LM و BRB برای شبکه های پرسپترون در نظر گرفته شده است. در نواحی یک تا پنج که دارای سه پارامتر ورودی است، تعداد نورون های 3 ، 7 ، 11 و 15 و در نواحی ششم و هفتم که دارای یک متغیر ورودی است تعداد نورون ها 3 ، 7 و 11 در نظر گرفته شده است.

کلیدواژه ها:

شبکه عصبی مصنوعی، رگرسیون چند متغیره، بارش، الگوی زمانی

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/709089/

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:
علی نژاد خباز، وهاب و خام چین مقدم، فرهاد،1396،تحلیل الگوی توزیع زمانی بارش با روش شبکه عصبی مصنوعی و مقایسه با روش رگرسیون خطی چند متغیره (منطقه مورد بررسی: ایران)،کنفرانس بین المللی عمران،معماری و شهرسازی ایران معاصر،تهران،،،https://civilica.com/doc/709089

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، علی نژاد خباز، وهاب؛ فرهاد خام چین مقدم)
برای بار دوم به بعد: (1396، علی نژاد خباز؛ خام چین مقدم)
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: 9,151
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