سال انتشار: 1396
محل انتشار:
مهندسی آبیاری و آب ایران، دوره: 7، شماره: 3
کد COI مقاله: JR_WATER-7-3_003
زبان مقاله: فارسیمشاهده این مقاله: 174
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
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 مقایسه مدل های شبکه عصبی مصنوعی و منحنی سنجه رسوب در شبیه سازی میزان رسوب معلق؛ مطالعه موردی حوزه آبخیز شاهرود
چکیده مقاله:
این پژوهش با هدف مقایسه کارآیی برخی مدل های شبیهسازی میزان رسوب معلق شامل منحنی سنجه رسوب و شبکه عصبی مصنوعی و ارائه مدل بهینه بر اساس دبی جریان در حوزه آبخیز شاهرود و بر روی ایستگاههای هیدرومتری گلینک، باغکلایه، لوشان و رجائی دشت انجام شد. به منظور شبیهسازی میزان رسوب معلق از مدل منحنی سنجه رسوب یک خطی و مدلهای شبکه عصبی پرسپترون چند لایه و تابع پایه شعاعی بهره گرفته و سپس ارزیابی این مدلها با استفاده از ضریب NASH و RMSE انجام شد. نتایج حاصل از این پژوهش حاکی از آن است که در کلیه ایستگاههای هیدرومتری مورد بررسی، مدل شبکه عصبی مصنوعی در مقایسه با مدل منحنی سنجه رسوب نتایج بهتری ارائه کرد. به طوری که مدل شبکه عصبی مصنوعی پرسپترون چند لایه با تابع تحریک سیگموئید در ایستگاه های گلینک و رجاییدشت به ترتیب با RMSE، 033/1 و 825/0 تن در روز و ضریب NASH، 84/0و 839/0 و این مدل با تابع تحریک تانژانت سیگموئید در ایستگاههای باغکلایه و لوشان به ترتیب با RMSE، 799/0 و 883/0 تن در روز و ضریب NASH، 772/0 و 895/0 کارآیی بهتری در شبیهسازی میزان رسوب معلق دارد. همچنین مقایسه نتایج حاصل از دو مدل شبکه عصبی مصنوعی نشان داد که شبکههای MLPدر مقایسه با شبکههای RBF از دقت بیشتری در شبیه سازی میزان رسوب معلق برخوردارند و تنها مزیت شبکههای RBF زمان کمتر مورد نیاز برای آموزش است.
کلیدواژه ها:
کد مقاله/لینک ثابت به این مقاله
کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_WATER-7-3_003 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/888590/
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:محمدی، صدیقه،1396،مقایسه مدل های شبکه عصبی مصنوعی و منحنی سنجه رسوب در شبیه سازی میزان رسوب معلق؛ مطالعه موردی حوزه آبخیز شاهرود،https://civilica.com/doc/888590
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، محمدی، صدیقه؛ )
برای بار دوم به بعد: (1396، محمدی؛ )
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 :- کاربرد شبکه های عصبی مصنوعی جهت تخمین دبی رسوب رودخانه ها [مقاله کنفرانسی]
- ابراهیمی محمدی، ش.، س. ح . ر. صادقی و ک. ...
- امجدی، ن. 1381. آشنایی با سیستم های هوشمند، انتشارات دانشگاه ...
- دستورانی، م. ت.، خ. عظیمی فشی، ع. طالبی، و م. ... [مقاله ژورنالی]
- دهقانی، ا.، م. ا.، زنگانه، ا. مساعدی، و ن. کوهستانی. ...
- سلاجقه، ع .، ا. فتح آبادی. 1388. بررسی امکان برآورد ...
- شاهرخی، س. ح.، ج.، ظهیری، 1. جعفری، 1395. کاربرد الگوریتم ...
- صدر موسوی، م. س. و ا. رحیمی. 1389. مقایسه نتایج ...
- عرب خدری. م. 1388. برآورد رسوبدهی و تهیه نقشه تولید ...
- فلامکی، ا.، اسکندری، م.، بغلانی، ع. ا. و س. ا. ...
- معیری، م. م.، م. ر.، نیک پور، ع. حسین زاده ...
- ملکی نژاد، ح. و ر. پورشرعیاتی. 1392. کاربرد و مقایسه ...
- منهاج، م.ب. 1393. مبانی شبکه های عصبی (هوش محاسباتی)، انتشارات ...
- ولی، ع.، . ح.، رامشت، مع. سیف، و ر. قضاوی.1390. ... [مقاله ژورنالی]
- یوسفی، م. و ر. پورشرعیاتی. 1393. برآورد رسوب معلق با ... [مقاله ژورنالی]
- یوسفی، م. و ف. برزگری. 1394. تعیین مناسب ترین روش ...
- Ahmat Nor, N. I. B. 2005. Rainfall-runoff Modelling using Artificial ...
- Beale, R. and T. Jackson. 1990. Neural Computing: An Introduction. ...
- Bissonnais, Y. L., C. Monitor, M. Jamagne, J. Daroussin and ...
- Chelani, A.B., R.C.V. Chalapati, K.M. Phadke and M.Z. Hasan. 2002. ...
- Cigizoglu, H. K. and O. Kisi. 2007. Methods to improve ...
- Cigizoglu, H.K. and M. Alp. 2006. Generalized regression neural network ...
- Demuth, H., M. Beal and M. Hagan. 1992-2009, Neural Network ...
- Heng, S. and T. Suetsugi. 2013. Using artificial neural network ...
- Jansson, M.B. 1996. Estimating a sediment rating curve of the ...
- Kisi, O. and J. Shiri. 2012. River suspended sediment estimation ...
- Kumar, D., A. Pandey, N. Sharm and F. Wolfgang-Albert. 2016. ...
- Lee, S., J. H. Ryu, M. J. Lee and J. ...
- Martinez, J. A., M. Cancepcion and M. Ribes-Dasi. 2005. On ...
- Mustafa, M. R., M. H. Isa and R. B. Rezaur. ...
- Principe, J. C. 2000, Artificial neural networks. CRC Press LLC. ...
- Ramos, M. C. and J. A. Martinez-Casasnovas. 2006. Erosion rates ...
- Rezapour, O. M., L. T. Shui and D. B. Ahmad. ...
- Safari, M-J., H. Aksoy and M. Mohammadi. 2016. Artificial neural ...
- Sepahvand, A., N. Hezarkhani, M. Taei Semiromi and S.H. Asgari. ...
- Solaimani, K. 2009. Rainfall-runoff prediction based on artificial neural network. ...
- Sudheer, K. P. and Jain, S. K. 2003. Radial basis ...
- Vafakhah, M. 2012. Comparison of cokriging and adaptive neuro-fuzzy inference ...
- Vakil-Baghmisheh, M. T. 2002. Fari character recognition using artificial neural ...
- Yang, C. T., R. Marsooli and M. T. Aalami. 2009. ...
مدیریت اطلاعات پژوهشی
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:
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.
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.