پیش بینی پارامترهای منبع زلزله و برآورد روابط میرایی با استفاده از شبکه های عصبی مصنوعی با انتشار برگشتی و تابع پایه شعاعی
چکیده
چکیدهای برای این سند ثبت نشده است.
چکیدهای برای این سند ثبت نشده است.
چکیده: با توجه به افزایش قیمت انرژی متعارف و اثرات زیست محیطی مانند آلودگی هوا و تخلیه لایه اوزون و اثرات گلخانه ای، انرژی خورشیدی به طور جدی برای جلب رضایت بخشی از تقاضای انرژی در نظر گرفته شده است. از آنجایی که پتانسیل انرژی خورشیدی در ایران بالاست به این منظور از نوعی مبدل های
مدل سازی و شماتیک کردن هر پدیده یا سیستم باعث تسلط بیشتر بر آن سیستم یا پدیده جهت درک بهتر روابط بین اجزا و شناخت رفتار آن در شرایط و زمان های مختلف می شود. برخی از عوامل مانند پارامترهای هواشناسی و هیدرولوژی و هیدروژئولوژی به طور مستقیم یا غیر مستقیم بر تغذیه و تخلیه سیستم آب ها
انبساط و انقباض¬ به ¬عنوان یکی از مهم ترین پدیده¬های فیزیکی و مکانیکی خاک محسوب می¬شوند که در ارتباط با پایداری سازه¬ها و هم¬چنین مباحث خاک¬ورزی و آبیاری در کشاورزی اهمیت دارند. در کشور ایران، پژوهش¬های اندکی در مورد انقباض و انبسا¬ط¬پذیری خاک¬ها و پیش¬بینی آن در مقیاس حوضه آب¬خی
زیرا می توان آن را به عنوان یک مدل شمع در نظر گرفت. مقاومت اندازه گیری شده مخروط نفوذ استاندارد qc و مقاومت اندازه گیری شده غلاف اصطکاکی qs به ترتیب برای محاسبه مقاومت اتکایی و مقاومت جداری شمع به کار می روند. استفاده از شبکه عصبی مصنوعی در مدل سازی رفتار شمع به عنوان یک ابزار مک
کششی یک زیرشکن با بازوی خمیده استفاده شد. شبکه های طراحی شده در این تحقیق که به منظور پیش بینی نیروی کششی زیرشکن با بازوی خمیده مورد استفاده قرار گرفتند، از نوع شبکه های چندلایه پس انتشار برگشتی بودند. از سه روش الگوریتم گرادیان نزولی با مومنتوم، الگوریتم لونبرگ- مارکوات و الگوری
در طی سال های اخیر مسئله حفاظت از خاک و آب از اصولی ترین پایه های توسعه پایدار مطرح می باشد. اثرات منفی فرسایش و پیامدهای ناشی از آن ، نه تنها سبب کاهش توان تولیدی و تخریب خصوصیات فیزیکی و شیمایی خاک می گردد. بلکه باعث می شود در محل خروجی حوضه های آبخیز رسوبات حاصل از فرسایش بر ر
در نوشتار حاضر از الگوهای شبکه عصبی مصنوعی و SARIMA برای پیش بینی مقادیر صادرات غیرنفتی ایران استفاده شده است. برای این منظور سری زمانی ماهیانه ارزش صادرات غیرنفتی طی سالهای 1380 تا 1388 مورد استفاده قرار گرفته است. مقایسه قدرت پیش بینی دو الگوی فوق به کمک معیارهای خطای میانگین،
در نوشتار حاضر از الگوهای شبکه عصبی مصنوعی و SARIMA برای پیش بینی مقادیر صادرات غیرنفتی ایران استفاده شده است. برای این منظور سری زمانی ماهیانه ارزش صادرات غیرنفتی طی سالهای 1380 تا 1388 مورد استفاده قرار گرفته است. مقایسه قدرت پیش بینی دو الگوی فوق به کمک معیارهای خطای میانگین،
در نوشتار حاضر از الگوهای شبکه عصبی مصنوعی و sarima برای پیش بینی مقادیر صادرات غیرنفتی ایران استفاده شده است. برای این منظور سری زمانی ماهیانه ارزش صادرات غیرنفتی طی سال های 1380 تا 1388 مورد استفاده قرار گرفته است. مقایسه قدرت پیش بینی دو الگوی فوق به کمک معیارهای خطای میانگین،
پیش بینی نرخ ارز به عنوان یک متغیر اقتصادی مهم مورد علاقه فعالان اقتصادی است. یکی از رویکردهای متداول در پیش بینی، رویکرد تکنیکال است که از رفتار گذشته نرخ ارز برای پیش بینی استفاده می کند. البته با توجه به ساختار آشوب گونه و غیر خطی بازارهای مالی، نمی توان با یک روش مشخص و ساده
دراین تحقیق ابتداپارامترهای هواشناسی شامل بارندگی، میانگین دمای ماکزیمم، میانگین دمای مینیمم، میانگین دمای متوسط، مجموع دماهای بیش از 10 درجه سانتیگراد، تبخیر، فشار بخار آب هوا، متوسط سرعت باد، تعداد ساعتهای آفتابی ورطوبت نسبی هوا در دوره رشد محصول وشاخصهای خشکسالی شامل شاخص درصد
دراین تحقیق ابتداپارامترهای هواشناسی شامل بارندگی، میانگین دمای ماکزیمم، میانگین دمای مینیمم، میانگین دمای متوسط، مجموع دماهای بیش از 10 درجه سانتیگراد، تبخیر، فشار بخار آب هوا، متوسط سرعت باد، تعداد ساعتهای آفتابی ورطوبت نسبی هوا در دوره رشد محصول وشاخصهای خشکسالی شامل شاخص درصد