مدل سازی جبری حرکت در یک شبکه با استفاده از استنتاج مکانی کیفی
چکیده
چکیدهای برای این سند ثبت نشده است.
چکیدهای برای این سند ثبت نشده است.
در این تحقیق حرکت اجسام در سیالات با استفاده روش شبکه بولتزمن و در نظر گرفتن برهمکنش سیال و سازه شبیه سازی عددی می شود. روش شبکه بولتزمن به عنوان حل گر میدان سیال بر اساس شبکه اویلری و روش المان محدود به عنوان حل گر جسم جامد بر اساس توصیف لاگرانژی در نظر گرفته می شود که برای شبیه
برای توصیف و پیشگویی عملکرد غشاهای اسمز معکوس و همچنین طراحی واحدهای صنعتی آن، مدلهای ریاضی متنوعی توسعه داده شده است. در این میان؛ مدل اصلاح شده نیروی سطحی- جریان حفره ای (modified surface force-pore flow) که در سال 1989 ارائه شده، قادر به پیش بینی های موفقی برای عملکرد این غشاه
در مدلسازی بارش-رواناب مدل ترکیبی شبکه عصبی-موجک روشی سودمند است که از تبدیل موجک برای بدست آوردن فرکانس های مختلف فرآیند و از شبکه عصبی مصنوعی (ann) برای پیش بینی دبی رواناب استفاده میکند. یکی از گامهای مهم در هر مدلی که بر پایه ann است، تعیین متغیرهای ورودی مهم در فرایند مورد م
برای بررسی حرکت مجموعه ای از مواد دانه ای، علاوه بر آزمایشات تجربی، به یک مبنای تئوری نیاز است. مبنای بررسی این گونه مسائل، روشی جدید به نام dem (روش اجزاء گسسته) می باشد. اساس این روش بر این است که هر ذره بطور مجزا در مسیری که حرکت می کند مدل سازی می شود و با محاسبه کلیه نیروها
فرایند بارش- رواناب یکی از پیچیده ترین فرایندهای هیدرولوژی است. یکی از روش های نوین در مدل سازی بارش – رواناب، مدل های شبکه ی عصبی مصنوعی است. هدف از این تحقیق، مقایسه ی مدل های شبکه ی عصبی mlp و rbf و رگرسیون چند متغیره در مدل-سازی بارش- رواناب حوضه ی بابل رود است. به منظور انجا
دسته بندی یکی از موضوعاتی است که در زمینه های گوناگون دارای کاربرد های عملی فراوانی است . دسته بندی اشیا یا افراد می تواند به کمک مشاهده ی ویژگی ها و یا خصوصیات آن ها انجام پذیرد . یک روش آماری رایج در امر دسته بندی ، استفاده از مدل رگرسیون لجستیک است . مدل رگرسیون لجستیک با در ن
مدلسازی فرآیند بارش - رواناب و پیشبینی دبی رودخانه یک اقدام مهم در مدیریت و مهار سیلابها، طراحی سازههای آبی در حوزههای آبخیز و مدیریت خشکسالی است. هدف این تحقیق شبیهسازی جریان روزانه در حوزه آبخیز کسیلیان با استفاده از شبکه عصبی مصنوعی و شبکه عصبی- فازی تطبیقی است. روشهای
استخراج مدل حاکم بر عملکرد شغلی بر اساس عملکرد کارکنان فعلی سازمان، رویکردی بسیار مؤثر است که بر اساس آن، می توان رفتار متقاضیان را پیش بینی و ضمن استفادة کم هزینه از داده های موجود، دانش های نهفته در سازمان را برای مدیران آشکار کرد. اما ابهام و عدم قطعیت موجود در ماهیت حوزة مناب
در این پژوهش از جاذب نانوذره ZnO-Cr نشانده شده بر کربن فعال به منظور حذف رنگ دی سولفین بلو استفاده شده و سپس با کمک شبکه عصبی مصنوعی میزان حذف آن را پیش بینی شد. اثر پارامترهای گوناگون شامل pH، مقدار جاذب، غلظت رنگ ها و زمان به هم خوردن روی درصد حذف به روش فناوری های طراحی آزمایش
تعیین و توصیف خصوصیات زمین شناسی و مهندسی یک مخزن به وسیله تعیین رخساره های مختلف سنگ های آن مخزن با داده های حاصل از عملیات چاه نگاری و مغزه گیری است. یکی از روش های نوین در زمینه شناسایی رخساره ها که در سال های اخیر مورد استفاده قرار گرفته است, روش شبکه های عصبی مصنوعی است. هدف
شکست سد از جمله مهمترین مسائل مرتبط با مهندسی آب است که محققین زیادی به بررسی این پدیده پرداختهاند. معادلات حاکم بر شکست سد، معادلات آبهای کمعمق است. بسیاری از محققین سعی کردهاند پدیده شکست سد را با استفاده از روشهای عددی، بررسی کنند. اکثر این روشهای عددی مانند حجم محدود، معادلات
در این مطالعه ابتدا به معرفی کامل روش بدون شبکه محلی پترو-گلرکین بر پایه تابع شعاعی پرداخته میشود. در این راستا با استخراج انواع معادلات جریان سیال شامل حرکت آب در خاک، کانال جریان و شکست سد سعی شده است با استفاده از مبانی ریاضی روش بدون شبکه، معادلات جریان رابطهسازی شود. نتایج