سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

مدلسازی بارش - رواناب با مدل ترکیبی موجک - شبکه عصبی مصنوعی

Publish Year: 1387
Type: Conference paper
Language: Persian
View: 4,049

This Paper With 8 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

NCCE04_101

Index date: 11 October 2007

مدلسازی بارش - رواناب با مدل ترکیبی موجک - شبکه عصبی مصنوعی abstract

مدلسازی منطقی و دقیق فرایند بارش – رواناب به عنوان اولین و مهمترین گام در راستای مبارزه با سیلاب به عنوان یک بلای طبیعی می باشد. برای مطالعه این فرایند استوکاستیک امروزه از مدل های جعبه سیاه از جمله مدل سری های زمانی و یا اخیرا از مدل شبکه های عصبی مصنوعی (ANN) که قابلیت پیش بینی و مدلسازی غیر خطی را نیز دارا می باشد. بطور گسترده ایی استفاده می شود . همزمان استفاده از ANN استفاده از انالیز موجک (Wavelet Analyze) در زمینه هیدرولوژی نیز مطرح گردیده است. ترکیب این دو قابلیت، مدل ترکیبی با کارایی بهتر در پیش بینی فرایندهای هیدرولوژیکی به نام شبکه های عصبی – موجک (Conjoined Wavelet – ANN Network) را به وجود می آورد. در این مقاله نخست مبانی این شبکه ها بیان شده و سپس با بهره گیری از آن به مطاعه موردی حوضه لیقوان چای پرداخته شده است. نتایج بیانگر آن است که این روش نسبت به روش های کلاسیک گذشته و روش هایی همانند استفاده از شبکه عصبی تنها، کارایی بالاری را دارا می باشد. چرا که روی میزان تاثیر داده های سری زمانی قبل از ورود به شبکه تفکیک پذیری صورت می گیرد. و سیگنال اولیه به چندین زیر سیگنال (Sub Signal) تجزیه شده که با این کار این امکان را فراهم میآید که بتوان از یک آنالیز که تاثیرات کوتاه مدت و بلند مدت را در بر می گیرد بهره مند شد. که این به نوبه خود شبکه را در ارزیابی و تخمین های آینده بهینه تر می سازد.

مدلسازی بارش - رواناب با مدل ترکیبی موجک - شبکه عصبی مصنوعی Keywords:

انالیز موجک , شبکه های عصبی - موجکی , مدلسازی بارش - رواناب , لیقوان چای

مدلسازی بارش - رواناب با مدل ترکیبی موجک - شبکه عصبی مصنوعی authors

وحید نورانی

استادیار دانشکده مهندسی عمران، دانشگاه تبریز

یوسف حسن زاده

استاد دانشکده مهندسی عمران، دانشگاه تبریز

مهدی کماسی

دانشجوی کارشناسی ارشد سازه های هیدرولیکی دانشگاه تبریز

الناز شرقی

دانشجوی دکتری سازه های هیدرولیکی دانشگاه تبریز

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 :
_ Nourani, V .Monadj emi, P ..Singh, V.P .(2007) Liquid ...
Hsu, K., Gupta, H.V . Sorooshian, S.(1995) Artificial neural network ...
Ozelkan, E. C. and Duckstein, L.(2001) Fuzzy conceptual rainfal]-runoff models. ...
Tokar , A.S, Johnson P.A.(1999) Rain-runoff modeling using artificial neural ...
Nakken, M. (1999) Wavelet analysis of rainfall _ runoff variability ...
Denyanov, V. Soltani , S, Kanevski, M ., .Conu, S., ...
Jayawardena, A.w., Xu, P., Tsang , F.L.L. (2004) Rainfall predication ...
Canns, B _ , Fanni, A. _ See, L. _ ...
Kim, T., Valdes, J.B. (2003) Nonlinear model for drought forecasting ...
Wang, W., Ding, S. (2003) Wavelet network model and its ...
Anctil, F., Tape, G.D. (2004) An exploration of artificial neural ...
Mallat, S .G. (1998) A wavelet tour of signal processing. ...
نمایش کامل مراجع

مقاله فارسی "مدلسازی بارش - رواناب با مدل ترکیبی موجک - شبکه عصبی مصنوعی" توسط وحید نورانی، استادیار دانشکده مهندسی عمران، دانشگاه تبریز؛ یوسف حسن زاده، استاد دانشکده مهندسی عمران، دانشگاه تبریز؛ مهدی کماسی، دانشجوی کارشناسی ارشد سازه های هیدرولیکی دانشگاه تبریز؛ الناز شرقی، دانشجوی دکتری سازه های هیدرولیکی دانشگاه تبریز نوشته شده و در سال 1387 پس از تایید کمیته علمی چهارمین کنگره ملی مهندسی عمران پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله انالیز موجک ، شبکه های عصبی - موجکی ، مدلسازی بارش - رواناب ، لیقوان چای هستند. این مقاله در تاریخ 19 مهر 1386 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 4049 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که مدلسازی منطقی و دقیق فرایند بارش – رواناب به عنوان اولین و مهمترین گام در راستای مبارزه با سیلاب به عنوان یک بلای طبیعی می باشد. برای مطالعه این فرایند استوکاستیک امروزه از مدل های جعبه سیاه از جمله مدل سری های زمانی و یا اخیرا از مدل شبکه های عصبی مصنوعی (ANN) که قابلیت پیش بینی و مدلسازی غیر ... . این مقاله در دسته بندی موضوعی شبکه عصبی طبقه بندی شده است. برای دانلود فایل کامل مقاله مدلسازی بارش - رواناب با مدل ترکیبی موجک - شبکه عصبی مصنوعی با 8 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.