پیش بینی دبی رودخانه ی شلمانرود گیلان باشبکه عصبی مصنوعی

Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 685

This Paper With 11 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ARCHITECTURE02_261

تاریخ نمایه سازی: 11 اردیبهشت 1394

Abstract:

برای جلوگیری از خطرات سیلاب های بزرگ و خرابی هایی که به وجود خواهند آورد ، پیش بینی و دانستن زمان وقوع این سیلاب ها و همچنین مقدار آنها امری ضروری است. درست است که نمی توان جلوی وقوع سیلاب ها را گرفت اما می توان آنها را مدیریت کرد و برای یک مدیریت موفق می بایست از زمان و مقدار وقوع سیلابها مطلع بود. پدیده های موجود در طبیعت اغلب تابع پارامترهای متعددی هستند توجه به تمام این پارامتر ها و همچنین تاثیر دادن آنها در یک معادله ی واحد جهت پیش بینی پدیده ی مربوطه کاری بس دشوار و وقت گیر است.به این دلیل پیش بینی زمان و مقدار وقوع سیلاب های رودخانه ها تا چندی پیش عملا دور از دسترس بود.کشف شبکه های عصبی مصنوعی دریچه ای نوین برای حل مسائل مربوط به پدیده های طبیعی بود چراکه این شبکه ها توانایی حل معادلات پیچیده ی چند مجهولی را دارند و در کلیه ی رشته های مهندسی علی الخصوص حل مسائل هیدرولوژیکی انقلابی بزرگ به حساب می آیند.یکی از نرم افزارهایی که بر پایه ی شبکه های عصبی مصنوعی ساخته شده است،نرم افزار Q.net است .دراین تحقیق سعی بر این است که علاوه بر آشنایی کلی با این نرم افزار، توانایی نرم افزار Q.net ،جهت روندیابی سیلاب رودخانه ی شلمانرود گیلان مورد ارزیابی قرار گیرد.در نهایت جواب با R=90% همبستگی بین مقادیر واقعی دبی رودخانه و مقادیر پیش بینی شده ی نرم افزار بدست آمد

Authors

ابراهیم امیری

دانشگاه آزاد اسلامی واحدلاهیجان دانشیار گروه مهندسی آب

راضیه بهبودی

دانشگاه آزاد اسلامی واحدلاهیجان دانشجوی کارشناسی ارشد

زهرا مومنی طارمسری

دانشگاه آزاد اسلامی واحدلاهیجان دانشجوی کارشناسی ارشد

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :