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

برآورد میزان رواناب با استفاده از مدل شبکه عصبی مصنوعی

سال انتشار: 1398
کد COI مقاله: CEUCONF06_0459
زبان مقاله: فارسیمشاهد این مقاله: 123
فایل این مقاله در 11 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 11 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله برآورد میزان رواناب با استفاده از مدل شبکه عصبی مصنوعی

علی عرفانیان مقدم - دانشجوی کارشناسی ارشد، گروه مهندسی عمران، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
فرهاد خام چین مقدم - استادیار، گروه مهندسی عمران، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران

چکیده مقاله:

مدلسازی بارش– رواناب یک فرآیند ضروری و پیچیده میباشد که در مدیریت و برنامه ریزی صحیح منابع آب نقش عمدهای دارد. مدلسازی این فرآیند با استفاده از روشهای مختلفی امکانپذیر است. از دیدگاه نظری، در مدلسازی یک سامانه میبایست روابط صریح بین متغیرهای ورودی و خروجی معلوم باشند. در حالیکه به علت معلوم نبودن روابط صریح بین متغیرها و عدم قطعیت های ذاتی آنها، استخراج چنین مدلی بسیار مشکل میباشد. بنابراین استفاده از روشهای داده محور که محاسبات را در شرایط غیردقیق انجام میدهند و کاربردهای فراوانی در مسائل شناسایی-کنترلی داشته اند، اجتنابناپذیر است. مدل شبکه عصبی مصنوعی (ANN) یکی از انواع این روشها میباشد. هدف این تحقیق بررسی کارآمدی مدل ANN در شبیه سازی فرآیند بارش– رواناب حوضه آبریز رودخانه کارده مشهد است. داده های مورد استفاده در این تحقیق، شامل رخدادهای بارش ساعتی به همراه دبی رواناب ساعتی متناظر هر رخداد طی یک دوره آماری پنج ساله است. برای ارزیابی کارایی مدل ANN، دادهای شبیهسازی شده و مشاهدهای مربوط دبی رواناب پیک مقایسه شدند. یافته های تحقیق نشان میدهد که مقدار معیار خطای جذر میانگین مربعات (RMSE) دبی رواناب پیک برآورد شده و مشاهداتی مدل ANN برابر 0/0203 و این بدان معناست که خروجی مدل ANN از دقت خوبی برخوردار است.

کلیدواژه ها:

بارش، حوضه آبریز کارده، رودخانه کارده مشهد، مدلهای داده محور، مدل HEC-HMS

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/927539/

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:
عرفانیان مقدم، علی و خام چین مقدم، فرهاد،1398،برآورد میزان رواناب با استفاده از مدل شبکه عصبی مصنوعی،ششمین کنفرانس ملی پژوهشهای کاربردی در مهندسی عمران، معماری و مدیریت شهری و پنجمین نمایشگاه تخصصی انبوه سازان مسکن و ساختمان استان تهران،تهران،،،https://civilica.com/doc/927539

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: (1398، عرفانیان مقدم، علی؛ فرهاد خام چین مقدم)
برای بار دوم به بعد: (1398، عرفانیان مقدم؛ 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: 9,189
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