تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله رویکرد محاسبات نرم افزاری برای مدل سازی رواناب – بارش – نشریه الزویر

عنوان فارسی: رویکرد محاسبات نرم افزاری برای مدل سازی رواناب – بارش: یک نقد و بررسی
عنوان انگلیسی: Soft computing approach for rainfall-runoff modelling: A review
تعداد صفحات مقاله انگلیسی : 8 تعداد صفحات ترجمه فارسی : 12
سال انتشار : 2015 نشریه : الزویر - Elsevier
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 7204 رفرنس : دارد
محتوای فایل : zip حجم فایل : 481.16Kb
رشته های مرتبط با این مقاله: جغرافیا و مهندسی عمران
گرایش های مرتبط با این مقاله: آب و هواشناسی و مدیریت منابع آب
مجله: کنفرانس بین المللی در زمینه منابع آب، مهندسی ساحلی و اقیانوس
دانشگاه: گروه مهندسی عمران، موسسه ملی فناوری مالاویا جیپور، هند
کلمات کلیدی: مدلسازی بارش - رواناب، محاسبه نرم افزاری، شبکه عصبی، الگوریتمهای ژنتیکی، منطق فازی، محاسبه نرم افزار هیبریدی
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

1. مقدمه

2. تکنیک های محاسبات نرم افزاری

2.1 شبکه های عصبی مصنوعی

2.2 الگوریتم های ژنتیکی

2.3 منطق فازی

3. کاربردهای محاسبات نرم افزاری برای مدلسازی روانآب بارش

3.1 کاربردهای شبکه عصبی مصنوعی

3.2 کاربردهای الگوریتم های ژنتیکی

3.3 کاربردهای منطق فازی

3.4 کاربردهای محاسبات نرم افزاری هیبریدی

4. نتیجه گیری ها

نمونه متن انگلیسی

Abstract

Enormous cost and manpower utilization encountered in constructing a water resource project demands a great deal of attention in devising precise Rainfall-Runoff models for its successful performance. These models are dependent on the physiographic, climatic and biotic characteristics of the basin. These factors sometimes induce either a linear, non-linear or highly complex behaviour among the rainfall and runoff parameters. The unstructured nature of Rainfall-Runoff relations has diverted the attention of researchers towards Soft Computing tools which, harnesses reasoning, intuition, consciousness and wisdom possessed by human beings. Soft Computing being a multi-disciplinary field uses a variety of statistical, probabilistic and optimization tools which complement each other to produce its three main branches viz., Neural Networks, Genetic Algorithms and Fuzzy Logic. These techniques, whether complementing each other or working on their own, are able to model complex or unknown relationships which are either nonlinear or noisy. The review paper presents an introduction to these techniques and discusses their applications in modelling Rainfall-Runoff relations which to some extent have replaced time consuming conventional mathematical techniques with wiser and time saving computing tools

نمونه متن ترجمه

چکیده

استفاده از هزینه و نیروی انسانی عظیم در ساخت یک پروژه منبع آب، مستلزم توجه بسیار زیادی در ابداع مدلهای دقیق رواناب - بارش برای عملکرد موفق است. این مدلها به مشخصات فیزیوگرافیکی، اقلیمی و زیستی حوزه رودخانه وابسته هستند. این عوامل گاهی اوقات رفتار خطی، غیر خطی یا کاملا پیچیده ای را بین پارامترهای بارش باران و رواناب تحریک میکنند. ماهیت ساخت نایافته ی روابط رواناب - بارش ، توجه محققان را به سوی ابزارهای محاسبات نرم افزاری منحرف ساخته است، چرا که استدلال مهارکننده، درک مستقیم، هشیاری و خرد از آنِ انسان است. محاسبات نرم افزار یک حوزه ی میان رشته ای است که از انواع ابزارهای آماری، احتمالی و بهینه سازی استفاده میکند که برای تولید سه شاخه ی اصلی خود مکمل هم هستند مختصرا شبکه ها عصبی، الگوریتم های ژنتیک و منطق فازی. این تکنیکها چه مکمل هم باشند و چه روی خودشان کار کنند، میتوانند روابط پیچیده و نامعلوم را مدلسازی نمایند که یا خطی یا نویزی هستند. این مقاله ی نقد و بررسی، مقدمه ای بر این تکنیک ها را ارائه میدهد و کاربردهای آن را در روابط بارش - رواناب مورد بحث قرار میدهد که تا حدی تکنیکهای ریاضیاتی مرسوم مصرف زمان را با ابزارهای محاسباتی صرفه جویی زمانی و عاقلانه تر جاگزین کرده است.