[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
DOI::
OPEN ACCESS::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
آمار نشریه
مقالات منتشر شده: 613
نرخ پذیرش: 21.3
نرخ رد: 78.7
میانگین داوری: 307 روز
میانگین انتشار: 630 روز
..
آمار عمومی نشریه
آمار عمومی نشریه
..
تعداد دورها                          23
تعداد شماره‌ها 83
 تعداد مقالات 4001
 تعداد مشاهده مقاله 11748252
 تعداد مقالات ارسال شده در یکسال اخیر 3230
 تعداد مقالات پذیرفته شده  637
 درصد پذیرش 30
 زمان پذیرش (روز) 120
 تعداد پایگاه های نمایه شده 9
 h.index 3
میانگین بازه زمانی فرایند داوری 30
:: دوره 13، شماره 42 - ( 4-1392 ) ::
جلد 13 شماره 42 صفحات 251-229 برگشت به فهرست نسخه ها
روندیابی سیلاب در رودخانه مارون با استفاده از سریهای زمانی
آزاده امیری1، مهدی نیکو*2، محمد نیکو3
1- عضو هیات علمی دانشگاه آزاد اسلامی واحد اهواز
2- آموزشکده فنی و حرفه ای سماء دانشگاه آزاد اسلامی اهواز
3- آموزشکده فنی و حرفه ای سماءدانشگاه آزاد اسلامی اهواز
چکیده:   (14164 مشاهده)
چکیده روندیابی سیلاب، یکی از پیچیده ترین مسائلی است که در علم هیدرولیک کانال های باز و مهندسی رودخانه مورد بررسی قرار گرفته است. روش های مختلفی در زمینه روندیابی سیلاب وجود دارند که به دو گروه گسترده و متمرکز تقسیم بندی می شوند. امروزه تکنیک جدید استفاده از مدل شبکه های عصبی مصنوعی تکاملی که مبتنی بر هوش مصنوعی می باشد کاربرد گسترده ای در زمینه های مختلف علمی به ویژه مهندسی آب پیدا کرده است. در این تحقیق به روندیابی سیل در رودخانه مارون، بازه خیرآباد-پل فلور با استفاده از مدل های شبکه عصبی مصنوعی تکاملی MNN FF, JEN, وRBF پرداخته شد. از جمله مواردی که به عنوان یک روش جدید بیان شده است تعیین تعداد و تاخیر زمانی موثر داده های ورودی در مدل های شبکه عصبی مصنوعی با استفاده از روش همبستگی عرضی خطی بین سری های زمانی ورودی ها و خروجی ها می باشد. با استفاده از الگوریتم ژنتیک ساختار مدل های شبکه عصبی مصنوعی از نظر تعداد لایه ها، تعداد گره ها در لایه پنهان، نوع تابع انتقال و الگوریتم یادگیری شبکه بهینه گردید. نتایج نشان می دهد که روش همبستگی عرضی به خوبی تعداد و تاخیر زمانی موثر داده های ورودی را تعیین می نماید. علاوه بر این مقایسه خروجی مدل ها با مقادیر واقعی نشان می دهد که مدل MNN انتخاب شده نسبت به مدل های آماری و مدل های دیگر شبکه عصبی مصنوعی توانایی ، انعطاف پذیری و دقت بیشتری در پیش بینی و روندیابی سیلاب در رودخانه مارون را دارند.
واژه‌های کلیدی: روندیابی سیلاب، شبکه عصبی مصنوعی مودولار، سری زمانی، الگوریتم ژنتیک، مدل های آماری، رودخانه مارون.
متن کامل [PDF 1247 kb]   (3111 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1392/6/10 | پذیرش: 1393/9/13 | انتشار: 1393/9/13
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Flood Routing in Maroon River Using Time Series in Modular Neural . جغرافیایی 2013; 13 (42) :229-251
URL: http://geographical-space.iau-ahar.ac.ir/article-1-358-fa.html

امیری آزاده، نیکو مهدی، نیکو محمد. روندیابی سیلاب در رودخانه مارون با استفاده از سریهای زمانی . فضای جغرافیایی. 1392; 13 (42) :229-251

URL: http://geographical-space.iau-ahar.ac.ir/article-1-358-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 13، شماره 42 - ( 4-1392 ) برگشت به فهرست نسخه ها
فضای جغرافیایی Geographic Space
Persian site map - English site map - Created in 0.2 seconds with 43 queries by YEKTAWEB 4642