تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله مدل ترکیبی شبکه عصبی مصنوعی و موجک برای پیش بینی رسوب معلق روزانه بار در رودخانه – نشریه الزویر

عنوان فارسی: مدل ترکیبی شبکه عصبی مصنوعی و موجک برای پیش بینی رسوب معلق روزانه بار در رودخانه
عنوان انگلیسی: Wavelet and ANN combination model for prediction of daily suspended sediment load in rivers
تعداد صفحات مقاله انگلیسی : 12 تعداد صفحات ترجمه فارسی : 26
سال انتشار : 2011 نشریه : الزویر - Elsevier
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 214 رفرنس : دارد
محتوای فایل : zip حجم فایل : 2.69Mb
رشته های مرتبط با این مقاله: مهندسی عمران
گرایش های مرتبط با این مقاله: مهندسی رودخانه
مجله: علوم محیط زیست کامل - Science of the Total Environment
دانشگاه: گروه مهندسی عمران، دانشگاه قم، ایران
کلمات کلیدی: شبکه های عصبی مصنوعی، تحلیل موجک، بار رسوب معلق، هیسترزیس، رودخانه یادکین، رگرسیون چند خطی
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه نشده است
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

مقدمه

2- محل ابگونه سنجی و تحلیل اماری

2.1-مکان ابگونه سنجی

2.2 تحلیل اماری

3. روش ها

3.1 شبکه های عصبی مصنوعی.

3.2تحلیل موج ضربه ای

3.3 تحلیلی بازگشت چند خطی (MLR) MLR یک تکنیک استفاده شده برای مدل سازی

4.کاربرد مدل

4.1 ارزیابی مدل

4.2 کاربرد مدل های WANN و ANN

4.3 کاربرد مدل های SRC و MLR

5- نتایج و بحث

5-1 – تحلیل پسماند مغناطیسی

5.2 تخمین SSL متراکم

6 خلاصه و نتیجه گیری

نمونه متن انگلیسی

Abstract

In this research, a new wavelet artificial neural network (WANN) model was proposed for daily suspended sediment load (SSL) prediction in rivers. In the developed model, wavelet analysis was linked to an artificial neural network (ANN). For this purpose, daily observed time series of river discharge (Q) and SSL in Yadkin River at Yadkin College, NC station in the USA were decomposed to some sub-time series at different levels by wavelet analysis. Then, these sub-time series were imposed to the ANN technique for SSL time series modeling. To evaluate the model accuracy, the proposed model was compared with ANN, multi linear regression (MLR), and conventional sediment rating curve (SRC) models. The comparison of prediction accuracy of the models illustrated that the WANN was the most accurate model in SSL prediction. Results presented that the WANN model could satisfactorily simulate hysteresis phenomenon, acceptably estimate cumulative SSL, and reasonably predict high SSL values.

نمونه متن ترجمه

چکیده

در این تحقیق جدید مدل موجک شبکه عصبی مصنوعی (WANN) برای پیش بینی بار رسوب به حالت تعلیق در رودخانه ها پیشنهاد شد. در این مدل به تجزیه در موجک مصنوعی مرتبط با شبکه عصبی مصنوعی پرداخته شد.برای این منظور هر روز سری زمانی از دبی رودخانه و بار رسوبی معلق در ایستگاه nc رودخانه  Yadkin در ایالات متحده امریکا مشاهده شده برداشت شدسپس از تجزیه وتحلیل موجک ، از سری زمانی SSL به روش ANN مدل سازی شد.برای ارزیابی دقت مدل، مدل پیشنهادی با ANN، مدل رگرسیون چند خطی (MLR) و منحنی رتبه بندی رسوب رسمی (SRC) مقایسه شد. مقایسه دقت پیش بینی مدل ها نشان داد که WANN دقیق ترین مدل در پیش بینی SSL بود. نتایج نشان داد که مدل WANN میتواند به طور رضایت بخش پدیده هیسترزیس را شبیه سازی کند، SSL تجمعی را قابل قبول و مقادیر SSL بالا را پیش بینی کند

محصولات مشابه