کاربرد شبکه عصبی مصنوعی و روش عصبی فازی در تعیین پارامترهای آبخوان
دانلود متن کاملرایگان، با حساب کاربری؛ ثبت نام با گوگل چند ثانیه است
چکیده
چکیده‌ای برای این سند ثبت نشده است.
پایان‌نامه‌های مشابه
بررسی کارآیی تکنیک های شبکه عصبی مصنوعی و شبکه فازی-عصبی در مدلسازی بارش رواناب در حوزه زاینده رود
به¬جرآت می¬توان گفت بارش¬های جوی مهمترین منبع تامین آب شیرین و رواناب های حاصل از این بارش¬ها اصلی¬ترین شکل دریافت آب، در بیشتر مناطق دنیا می¬باشند. لذا برآورد حجم رواناب حاصل از بارندگی جهت بکارگیری روشهای جمع آوری و مهار آبهای سطحی از نظر تأمین آب، روز به روز اهمیت بیشتری پیدا
مدل سازی تغییرات زمانی – مکانی سطح آب زیرزمینی در اندرکنش با آب های سطحی با استفاده از تکنیک های شبکه عصبی مصنوعی و زمین آمار، مطالعه موردی: آبخوان نجف آباد
مدل سازی منابع آب زیرزمینی به عنوان ابزاری در مدیریت منابع آب محسوب می شود. اندرکنش منابع آب سطحی و زیرزمینی همواره در بیلان منابع آب از اهمیت ویژه ای برخوردار بوده است. از طرف دیگر شبکه های عصبی مصنوعی ابزار قدرتمندی برای مدل سازی پارامترهای هیدرولوژیکی و آب زیرزمینی با در نظر گ
پیش بینی نرخ انتقال رسوب در امتداد ساحل با استفاده از فرمولهای نیمه تجربی و کاربرد شبکه عصبی مصنوعی در سواحل شهر نور
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
مدل سازی تأثیر نوسانات سطح ایستابی بر میزان محصول نیشکر با استفاده از شبکه عصبی مصنوعی و منطق فازی (مطالعه موردی کشت و صنعت میرزا کوچک خان)
پارامترها و عوامل مختلفی بر عملکرد مزارع نیشکر تأثیر گذارند. با بررسی این پارامترها و تعیین میزان اثر هریک از آنها در عملکرد نیشکر، می توان راهکارهایی ارائه داد که با بهره گیری از امکانات و شرایط موجود حداکثر عملکرد را در مزارع نیشکر بدست آورد. در این تحقیق نتایج بررسی های صحرایی
کاربرد شبکه عصبی مصنوعی برای تخمین تبخیر- تعرق روزانه گیاه گندم و ذرت
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
کاربرد شبکه عصبی مصنوعی در پایش پروفایل های خطی تعمیم یافته
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
اسناد مشابه
مقایسه کاربرد شبکه عصبی مصنوعی (ANN) با سیستم استنتاج فازی (FIS) در پیش بینی جریان رودخانه زاینده رود
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
مقایسه کاربرد شبکه عصبی مصنوعی (ann) با سیستم استنتاج فازی (fis) در پیش بینی جریان رودخانه زاینده رود
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
کاربرد شبکه عصبی مصنوعی در پیش‌بینی هدایت هیدرولیکی اشباع با استفاده از پارامترهای فیزیکی خاک
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
کاربرد شبکه عصبی مصنوعی در پیش بینی هدایت هیدرولیکی اشباع با استفاده از پارامترهای فیزیکی خاک
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
ارزیابی کاربرد شبکه عصبی مصنوعی و بهینه‌سازی آن با روش الگوریتم ژنتیک در تخمین داده‌های بارش ماهانه (مطالعه موردی: منطقه کردستان)
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
ارزیابی کاربرد شبکه عصبی مصنوعی و بهینه سازی آن با روش الگوریتم ژنتیک در تخمین داده های بارش ماهانه (مطالعه موردی: منطقه کردستان)
برآورد توزیع مکانی بارش برای اجرای طرح های مطالعات منابع آب، خشک سالی، 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