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

بررسی قابلیت مدل ترکیبیPSO-ANFIS در پیش بینی عمق آبشستگی

سال انتشار: 1394
کد COI مقاله: JR_JEWE-1-1_005
زبان مقاله: فارسیمشاهده این مقاله: 198
فایل این مقاله در 15 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 15 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بررسی قابلیت مدل ترکیبیPSO-ANFIS در پیش بینی عمق آبشستگی

محمد همین جنتی - دانشجوی دکتری دانشکده مهندسی عمران دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران ایران
افشین اقبال زاده - استادیاردانشکده مهندسی عمران دانشگاه رازی اسلامی واحدعلوم و تحقیقات کرمانشاه ایران
سیدعباس حسینی - استادیاردانشکده مهندسی عمران دانشگاه رازی اسلامی واحدعلوم و تحقیقات کرمانشاه ایران

چکیده مقاله:

در سالهای اخیر، فن های دادهکاوی و یادگیری ماشین در زمینه های مختلف برای ساخت سامانه های اطلاعاتی هوشمند توسعه یافته اند. بااین حال، تعداد کمی از روشهای ارایه شده توانایی پشتیبانی برخط را داشته و یا دارای انعطاف پذیری در آنالیز حجم زیادی از داده ها میباشند. در تحقیق حاضر، به منظور به دست آوردن تخمین های مناسب از پیش بینی عمق آبشستگی، در مدل تلفیقی شبکه عصبی و سیستم استنتاج فازی، از فن ازدحام ذرات (PSO) استفاده شد. آنالیزها با استفاده از 188 داده صحرایی عمق آبشستگی پایه منفرد که به وسیله سازمان حفاظت خاک آمریکا (USGS) ثبت گردیده، انجام شد. بهمنظور تسریع در یادگیری از طریق آموزش، برای افزایش دقت پیش بینی های کوتاه مدت از روش مومنتوم استفاده شد. نتایج نشان دادند که روش PSO-ANFIS با کمترین ریشه میانگین مربعات خطا (RMSE) نسبت به دیگر مدل های ارایه شده، دقت بیشتری دارد. ازاین رو، این روش با اطمینان بیشتری میتواند مورداستفاده طراحان و مهندسین قرار گیرد

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_JEWE-1-1_005 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/752510/

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:
همین جنتی، محمد و اقبال زاده، افشین و حسینی، سیدعباس،1394،بررسی قابلیت مدل ترکیبیPSO-ANFIS در پیش بینی عمق آبشستگی،https://civilica.com/doc/752510

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: (1394، همین جنتی، محمد؛ افشین اقبال زاده و سیدعباس حسینی)
برای بار دوم به بعد: (1394، همین جنتی؛ اقبال زاده و حسینی)
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

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: 32,878
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