پیش بینی بار معلق رودخانه ها با استفاده از روش های سیستم استنتاج فازی و شبکه های عصبی مصنوعی
چکیده
چکیده‌ای برای این سند ثبت نشده است.
پایان‌نامه‌های مشابه
پیش بینی نرخ ارز با استفاده از تبدیل موجک و شبکه عصبی در ایران طی سالهای 1372الی 1389
پیش بینی نرخ ارز از مسائل مهم مالی است که به خاطر مشکلات ذاتی و کاربردهای عملی آن توجه زیادی را به خود جلب نموده است . روشهای تجزیه و تحلیل سریهای زمانی به طور سنتی بر دو مفهوم مانایی و خطی بودن بنیان نهاده شده اند، اما در مواردی که پویایی سیستم ویژگی غیرخطی بالایی را نشان می دهد
پیش بینی جریان روزانه رودخانه با استفاده از سیستم استنتاج فازی (مطالعه موردی: حوضه آبریز لیقوان چای)
رودخانه ها، بخش عمده و قابل توجهی از منابع آب کشورمان را تشکیل می دهند. رشد میزان مصرف آب از یک سو و محدودیت این منابع حیاتی از سویی دیگر، نیاز به مدیریت بهره برداری از این منابع را بیش از پیش، آشکار می سازد. در سال های اخیر استفاده از تئوری مجموعه های فازی جهت مدل سازی پدیده های
پیش بینی مقاومت برشی خاک های غیراشباع با استفاده از سیستم استنتاج فازی-عصبی انطباقی(anfis)و شبکه های عصبی مصنوعی
بررسی مقاومت برشی خاک غیراشباع با استفاده از تجهیزات آزمایشگاهی نسبت به حالت اشباع آن، پیچیده تر،پرهزینه تر و زمانبر تر خواهد بود. از این رو استفاده از روش های تئوری مختلف نظیر محاسبات نرم به منظور پیش بینی مقاومت برشی خاک غیراشباع بسیار کاربردی و مفید خواهد بود. در این پژوهش قاب
استفاده از سیستم استنتاج فازی بر پایه شبکه عصبی تطبیقی (anfis) جهت مدل سازی سری های زمانی چندمتغیره هیدرولوژیکی
مدل سازی و پیش بینی سری های زمانی یک مسئله بسیار مهم در چند دهه اخیر بوده و کاربرد وسیعی در زمینه های مختلف علوم و مهندسی از جمله هیدرولوژی دارد. در این راستا تخمین پارامترهای مدل های مختلف سری های زمانی یکی از مراحل اساسی در مدل سازی سری های زمانی است. روش های ارائه شده در این ز
طراحی سیستم فازی جهت پیش بینی بار کوتاه مدت به روش گرادیان نزولی
با گسترش شبکه های قدرت و متصل شدن شبکه های محلی به یکدیگر، مسئله مدیریت بهینه شبکه روز به روز پر اهمیت تر می شود. برنامه ریزی تولید واحد ها در شبکه قدرت بشدت نیازمند برآورد دقیقی از میزان مصرف در آینده است. لذا پیش بینی بار امروزه یکی از ارکان مدیریت شبکه می باشد. با توجه به اینک
مطالعات qspr بر روی دمای بحرانی ترکیبات آلی و دمای بحرانی پایین محلول در محلول های پلیمری با استفاده از سیستم استنتاج فازی- عصبی تطبیقی (anfis)
دمای بحرانی، دمایی است که در بالای آن دما هر چه فشار وارد بر یک گاز را افزایش دهیم تبدیل به مایع نمی شود. در این پروژه از سیستم استنتاج فازی- عصبی تطبیقی (anfis) برای پیشگویی دمای بحرانی 165 ترکیب آلی استفاده شد. ابتدا ساختار ترکیبات در نرم افزار hyper chem رسم و با روش نیمه تجرب
اسناد مشابه
پیش بینی بار معلق رودخانه با استفاده از مدل‌های سری زمانی و شبکه عصبی مصنوعی (مطالعه موردی: ایستگاه قزاقلی رودخانه گرگانرود)
برآورد میزان دقیق رسوبات معلق در رودخانه‌ها از ابعاد مختلف کشاورزی، حفاظت خاک، کشتیرانی، سدسازی، حیات آبزیان و ابعاد تحقیقاتی، دارای اهمیت فراوانی است. روشهای مختلفی برای بررسی و برآورد رسوبات معلق رودخانه، موجود می‌باشد که البته توانایی این روش‌ها متفاوت است. در تحقیق حاضر به م
پیش بینیِ بارندگی ماهانه با استفادة مستقیم از موجک و شبکة عصبی موجکی
برآورد و پیشبینی بارش اهمیت ویژهای دارد. به دلیل نبود قطعیت، هیچ یک از مدل‌های آماری و مفهومی نتوانستهاند به منزلة یک مدل برتر در الگوسازی دقیق بارش شناخته شوند. اخیراً، به کاربردِ موجک در آنالیز سیگنالها و سریهای زمانی در هیدرولوژی توجه شده است. در این تحقیق، سیگنال بار
پیش بینیِ بارندگی ماهانه با استفادة مستقیم از موجک و شبکة عصبی موجکی
برآورد و پیشبینی بارش اهمیت ویژهای دارد. به دلیل نبود قطعیت، هیچ یک از مدل‌های آماری و مفهومی نتوانستهاند به منزلة یک مدل برتر در الگوسازی دقیق بارش شناخته شوند. اخیراً، به کاربرد موجک در آنالیز سیگنالها و سریهای زمانی در هیدرولوژی توجه شده است. در این تحقیق، سیگنال بارن
پیش بینی استرس شغلی با استفاده از هوش هیجانی: مدل شبکه عصبی مصنوعی و رگرسیون
امروزه میان صاحبنظران این توافق وجود دارد که هوش هیجانی در موفقیت افراد در حیطه های مختلف زندگی نقش به سزایی دارد. در مقابله با درخواست ها و فشارها در محیط کار نیز افرادی که هوش هیجانی بالاتری دارند کمتر دچار استرس می شوند. این پژوهش با هدف بکارگیری هوش مصنوعی برای پیش بینی استرس
پیش بینی بیماری قلبی با استفاده از تکنیک داده کاوی شبکه عصبی
مقدمه داده کاوی به بررسی و تجزیه و تحلیل مقادیر عظیمی از داده ها به منظور کشف الگوها و قوانین معنی دار اطلاق میشود که عمدتا" از طریق ساختن مدل ها و الگوریتم ها، ورودی ها را با هدف خاصی مرتبط می نماید. گاهی تکنیک های داده کاوی منجر به شناسایی الگوریتم های معنادار ...
طراحی مدل پیش بینی حجم ترافیک روزانه برون شهری با استفاده از سیستم استنتاج فازی مبتنی بر شبکه عصبی(ANFIS)
تقاضای روزافزون استفاده از وسایل حمل و نقل شخصی، مشکل تراکم ترافیک را به یکی از مهم ترین بحران ها در اکثر کلان شهرهای جهان تبدیل کرده است. تأثیرات زیست محیطی، اجتماعی و اقتصادی که گره های ترافیکی بر جوامع بشری می گذارد محققین را برآن داشته است که به دنبال راه کارهایی برای مقابله