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

مدل سازی انتقال رسوب با کمک روش شبکه عصبی مصنوعی(مطالعه موردی :رودخانه کارون)

سال انتشار: 1389
کد COI مقاله: NCCE05_144
زبان مقاله: فارسیمشاهده این مقاله: 1,201
فایل این مقاله در 8 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 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مدل سازی انتقال رسوب با کمک روش شبکه عصبی مصنوعی(مطالعه موردی :رودخانه کارون)

ایمان بیت اله پور چهارمحالی - دانشجوی دکتری سازه های آبی، دانشگاه تهران
سیدمحمود کاشفی پور - دانشیار دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز
زهرا حاجی علی گل - دانشجوی کارشناسی ارشد سازه های آبی، دانشگاه شهید چمران اهواز

چکیده مقاله:

محاسبه دبی رسوب حمل شده توسط جریان به جهت ساماندهی مسیر رودخانه، طراحی و بهره برداری از سیستم انتقال آب بسیار مهم است به همین جهت روشهای متعددی برای محاسبه و تخمین این پدیده ارائه شده است ولی به دلیل عدم دستیابی به اطلاعات کامل و دقیق پارامترهای تاثیر گذار در فرایند رسوب و ساختار کاملا غیرخطی و تاثیر مسائل پیچیده مختلف نظیر تغییرات مکانی و زمانی نمی توان برای الگوبندی آن یک مدل جامع معرفی کرد. در سالهای اخیر از روشهای هوش مصنوعی برای مدل کردن پدیده بار معلق رسوب استفاده شده است در این مقاله مدلی براساس قواعد روش شبکه مصنوعی و دیگر روابط تجربی موجود برای تخمین بار معلق رسوب استفاده شده و تاثیرگذاری پارامترهای متفاوت بررسی گردیده است در نهایت روشهای مذکور را در مطالعه موردی رودخانه کارون مورد مقایسه قرا رداده و بهترین مدل برای آنالیز انتخاب شده است.

کلیدواژه ها:

دبی رسوب، منابع آب، شبکه عصبی مصنوعی، رودخانه کارون

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا NCCE05_144 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/80427/

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:
بیت اله پور چهارمحالی، ایمان و کاشفی پور، سیدمحمود و حاجی علی گل، زهرا،1389،مدل سازی انتقال رسوب با کمک روش شبکه عصبی مصنوعی(مطالعه موردی :رودخانه کارون)،پنجمین کنگره ملی مهندسی عمران،مشهد،https://civilica.com/doc/80427

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: (1389، بیت اله پور چهارمحالی، ایمان؛ سیدمحمود کاشفی پور و زهرا حاجی علی گل)
برای بار دوم به بعد: (1389، بیت اله پور چهارمحالی؛ کاشفی پور و حاجی علی گل)
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 مقاله لینک شده اند :

  • Chih Ted Yang, (1996), "Sediment Transport Theory and Practice", MG ...
  • R.J. Garde and K.G. Ranga Raju, third edition, (2000), "Mechanics ...
  • Hall, M.J and Mins, a.W. (2002). "Extrapolation Management For Artifical ...
  • James, E.J .Gopakumar, R. (22). "rFllod Forcasting Of Achencoil River ...
  • Nagy, H.M. , Watanabe, K, Hirano, M. "Prediction of Sediment ...
  • Reddy, S.B.). "Estimation of watershed Runoff using Artificial Neural Networks". ...
  • Sarangi , A. , B hattacharya. A.K. (2005). "Comparison of ...
  • Kashefipour, S .M. Binliang LFalconer. (2005). "Neural Networks for predicting ...
  • 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: 66,078
    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