به همان نسبت که میزان پیچیدگی سیستم ها بیشتر میشود و تعداد قطعات و زیرسیستم ها افزایش می یابد ، محاسبه قابلیت اطمینان کل سیستم نیز دشوارتر می گردد. به همین لحاظ، دراین تحقیق سعی شده است تا با استفاده از شبکه های عصبی مصنوعی که یکی از شاخه های هوش مصنوعی است ، قابلیت اطمینان سیستم های بغرنج و مختلط را محاسبه نمائیم.
برآورد نرخ انتقال رسوب ساحلی از جمله مهمترین عوامل مورد نیاز در محاسبه مقدار و الگوی فرسایش و رسوبگذاری در مهندسی سواحل می باشد. طی دهه های اخیر فرمولهای تجربی مختلفی جهت بر آورد نرخ انتقال رسوب ساحلی توسط محققان زیادی ارائه شده است که هریک از روشها تحت شرایط محدود نیمرخ بستر و ب
شکست و از کارافتادگی در سیستمهای طراحی و ساخته شده بوسیله انسان همواره وجود داشته و دارد. استفاده از فنون و تکنیکهای آماری و ریاضی برای پیش بینی و ارزیابی عملکرد مطلوب و یا قابلیت اطمینان سیستمها دارای اهمیت ویژه ای می باشد.روشهای سنتی تئوری قابلیت اطمینان براساس فرضیه دو وضعیتی
تبخیر- تعرق یکی از مهم ترین اجزای چرخه هیدرولوژیکی است . برآورد دقیق از این پارامتر برای مطالعات مانند بیلان آب ، طراحی سیستم آبیاری و مدیریت منابع آب مورد استفاده قرار می گیرد . به منظور برآورد تبخیر- تعرق ، روش اندازه گیری مستقیم و یا مدل های فیزیکی و تجربی را می توان مورد استف
کنترل فرآیند آماری عمدتاً درگیر با فعالیت های تفسیر نمودار کنترل، تشخیص فرآیندهای انحرافی و انجام عملیات اصلاحی است. این نمودارها تحت کنترل یا خارج از کنترل بودن فرآیند را نشان می دهند. با توجه به اینکه تجزیه و تحلیل نمودارهای کنترل برای بسیاری از کاربران دشوار بوده و نیازمند تجر
در این مطالعه، شبکه های عصبی مصنوعی و مدل های رگرسیونی برای خرد مقیاس نمودن خروجی های شبیه سازی شده مدل های گردش عمومی جو استفاده شدند. داده های شبیه سازی شده بارش برای عرض های جغرافیایی ?18/25 تا ?51/34 شمالی و طول های جغرافیایی ?45 تا ?60 شرقی، ارتفاع ژئو پتانسیل در سطح 850 میل
چکیده مقدمه و اهداف: در مطالعات اپیدمیولوژی و پزشکی، گاهی پژوهش گر با مواردی مواجه می شود که لازم است دو متغیر پاسخ را به صورت توام (همزمان) از روی تعدادی متغیر کمکی پیش بینی نماید. زمانی که متغیر پاسخ آمیخته باشد، با توجه به محدودیت ها و برقرار نبودن برخی پیش فرض ها، روش های کلا
شاخص کیفیت هوا ابزار کلیدی جهت آگاهی از کیفیت هوا، نحوۀ اثر آلودگی هوا بر سلامت و روشهای محافظتی در برابر آلودگی هوا است. هدف اصلی این تحقیق مدل‌سازی و برآورد شاخص کیفیت هوا از طریق شبکه عصبی مصنوعی، درخت تصمیم، رگرسیون خطی چندگانه و رگرسیون مؤلفه‌های اصلی است. جهت محاسبه شاخص ک
یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدل سازی سیستم هایی که دارای پیچیدگی زیاد یا عدم صراحت بوده و یا داده های کافی از آنها موجود نیست، استفاده از تئوری مجموعه های فازی و شبکه عصبی مصنوعی می باشد. مزیت اصلی این تکنیک ها نسبت به روش های رایج این است که در مدت زمان نسبتاً ک
یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدل‌سازی سیستم‌هایی که دارای پیچیدگی زیاد یا عدم‌صراحت بوده و یا داده‌های کافی از آنها موجود نیست، استفاده از تئوری مجموعه‌های فازی و شبکه عصبی مصنوعی می‌باشد. مزیت اصلی این تکنیک‌ها نسبت به روشهای رایج این است که در مدت زمان نسبتاً ک
چکیده بسیاری از فرآیندهای حسابرسی به سرعت در حال تغییرند. یکی از مسایل مهم حسابرسی این است که چگونه فناوری اطلاعات بر فرآیند حسابرسی ومهارتهای حسابرسی تأثیر میگذارد. حسابرسان باید از آمادگیهای لازم برای فعالیت در این محیط جدید برخورار باشند. یافتههای تازه در قلمرو فناوری اطلا
برآورد توزیع مکانی بارش برای اجرای طرح های مطالعات منابع آب، خشک‌سالی، طرح های آمایش سرزمین، محیط زیست، آبخیزداری و طرح های جامع کشاورزی ضروری می-باشد. تغییرات زیاد مقدار بارش در نقاط مختلف، کمبود ایستگاه های اندازه گیری و پیچیدگی ارتباط بارش با پارامترهای اثرگذار بر آن، اهمیت تو
ویژگیهای هیدرولیکی خاک همچون هدایت هیدرولیکی اشباع و غیراشباع در مطالعات زیست محیطی نقش مهمی را ایفا مینمایند. از آنجائیکه اندازهگیری مستقیم این قبیل ویژگیهای هیدرولیکی خاک امری وقتگیر و هزینهبر است روشهای غیرمستقیمی چون توابع انتقالی و شبکههای عصبی مصنوعی بر مبنای پارام