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

ارزیابی بار کل رسوبی رودخانه قرسو (ساوه) با استفاده از شبکه عصبی مصنوعی

سال انتشار: 1388
کد COI مقاله: WATER02_095
زبان مقاله: فارسیمشاهد این مقاله: 1,201
فایل این مقاله در 7 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 7 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارزیابی بار کل رسوبی رودخانه قرسو (ساوه) با استفاده از شبکه عصبی مصنوعی

وحید یزدانی - دانشجوی دکتری مهندسی آب دانشگاه فردوسی
بیژن قهرمان - دانشیار گروه مهندسی آب دانشگاه فردوسی
منصور قلی‌زاده - دانشجوی کارشناسی ارشد مهندسی آب دانشگاه بوعلی‌سینا

چکیده مقاله:

برآورد صحیح حجم رسوبات حمل شده توسط رودخانه‌ها در پروژه‌های مهندسی رودخانه از اهمیت بسیاری برخوردار است، زیرا پدیده فرسایش و انتقال رسوب از پیچیده‌ترین مسائل هیدرودینامیک می‌باشد. لذا ارائه راهکاری مناسب جهت برآورد دقیق بار معلق رودخانه‌ها بسیار سودمند است. به دلیل تاثیر پارامترهای مختلف تعیین معادلات حاکم بر آن مشکل بوده و در صورت تعیین مدل ریاضی نیز از دقت کافی برخوردار نیستند. در این تحقیق با بهره‌گیری از معتبرترین داده‌های جمع‌آوری شده در چند دهه گذشته،‌امکان استفاده از شبکه‌ عصبی مصنوعی برای تخمین میزان بار رسوبی رودخانه‌ قره‌سو مورد بررسی قرار گرفت. در این مقاله از شبکه عصبی مصنوعی پیشخور پریسپترون چند لایه (MLP)، با الگوریتم انتشار به عقب خطا به عنوان شبکه‌ای متداول در پیش‌بینی و حل مسائل غیرخطی استفاده شد. اجرای شبکه عصبی مصنوعی در محیط نرم‌افزار NeuroSolution تحت ویندوز انجام شد. بر این اساس ساختارهای متفاوتی از شبکه عصبی مصنوعی (آرایش‌های سه لایه با تعداد نرون متفاوت در لایه میانی) برای مقادیر مختلف دبی رسوب ارایه شد. نتایج مدل‌ها پس از اجرا به صورت شکل، در مقایسه با دبی‌های اندازه‌گیری شده‌ی رسوب، استخراج و با محاسبه معیارهایی نظیر ضریب تعیین، میانگین جذر مربعات خطا و میانگین مطلق خدا، میزان موفقیت الگوهای پیشنهادی در توصیف سری نشان داده شد. کمتر بودن معیارهای فوق برای شبکه عصبی مصنوعی دقیق‌تر بودن نتایج مدل فوق را نسبت به مدل‌های تجربی رایج نشان داد.

کلیدواژه ها:

شبکه عصبی مصنوعی، رودخانه قره‌سو، دبی، بار رسوب

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/83575/

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:
یزدانی، وحید و قهرمان، بیژن و قلی‌زاده، منصور،1388،ارزیابی بار کل رسوبی رودخانه قرسو (ساوه) با استفاده از شبکه عصبی مصنوعی،دومین کنفرانس سراسری آب،بهبهان،،،https://civilica.com/doc/83575

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: (1388، یزدانی، وحید؛ بیژن قهرمان و منصور قلی‌زاده)
برای بار دوم به بعد: (1388، یزدانی؛ قهرمان و قلی‌زاده)
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 ممقالهقاله لینک شده اند :

  • شفاعی بجستان، م _ 1381، " هیدرولیک رسوب "، انتشارات ...
  • تخمین بار معلق رودخانه زهره با استفاده از شبکه عصبی مصنوعی [مقاله کنفرانسی]
  • میر باقری، س.ا. و رجایی، ط. 1383. " استفاده از ... [مقاله کنفرانسی]
  • منتظر، غ. ذاکر مشفق، م. و قدسیان، م. 1381. " ...
  • نجفی نیسانی، ن. حیدرپور، م. و گلمائی، ح. 1384. "برآورد ...
  • _ کریمی گوغری، ش، و اسلامی، ا. 1387. "پیش‌بینی بارندگی ...
  • Mirbagheri, S. A., Kenneth, K. Tanji., And Ray, B. Krone. ...
  • Nagy, H. M., Watanabe, K., and Hirano, M., (2001). "Prediction ...
  • Jain, S. K., (2001). "Development of integrated sediment rating curves ...
  • 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: 28,217
    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