تخمین میزان رسوبات معلق رودخانه لیقوان با استفاده از مدل تطبیقی عصبی-فازی (anfis) و مدل سری های زمانی
چکیده
چکیده‌ای برای این سند ثبت نشده است.
پایان‌نامه‌های مشابه
بررسی کارایی روش های هوش مصنوعی (مدل تطبیقی عصبی _ فازی، شبکه عصبی و درخت تصمیم گیری) به منظور برآورد میزان رسوبات معلق (مطالعه موردی: ایستگاه سیرا سد کرج)
به منظور اجرای برنامههای حفاظت خاک و کاهش رسوب زایی، همچنین محاسبه و طراحی دقیق حجم سد در احداث سدهای مخزنی، ضرورت دارد که میزان تولید رسوب در یک حوزه آبخیز، ارزیابی و برآورد گردد. بطورکلی پدیده فرسایش و انتقال رسوب از پیچیدهترین مسایل هیدرودینامیکی است که تعیین دقیق معادلات حاکم
ارزیابی سیستم استنتاج تطبیقی عصبی-فازی (anfis) برای اندازه گیری همزمان اسپکتروفتومتری آرسنیک(iii) و آنتیموان(iii) به وسیله روش تولید هیدرید و تخمین مقادیر ضرایب توزیع ترکیبات آلی بین آب وn-اکتانول(logpo/w) با استفاده از سیستم استنتاج تطبیقی عصبی-فازی(anfis)
در این پایان نامه کاربردهای کمی و کیفی سیستم استنتاج تطبیقی عصبی-فازی مورد ارزیابی قرار گرفته است. در بخش اول، از روش اسپکتروفتومتری کلاسیک دی اتیل دی تیوکاربامات نقره در تعیین آرسنیک و آنتیموان برای بررسی کارایی و توانایی anfis به عنوان یک روش کمومتریکس برای آنالیز همزمان عناصر
پیش بینی سطح آب زیرزمینی دشت بسطام با استفاده از مدل شبکه عصبی مصنوعی (ann) و شبکه استنتاج تطبیقی عصبی فازی (anfis)
دشت بسطام با مساحتی در حدود 406 کیلومتر مربع در 8 کیلومتری شمال شرق شهرستان شاهرود قرار گرفته است. این دشت یکی از مهمترین دشتها از نقطه نظر کشاورزی بوده که برداشت بیرویه از منابع آب زیرزمینی باعث افت زیادی در سطح آب این دشت گردیده است. هدف از این تحقیق مدلسازی سطح آب زیرزمینی ب
تلفیق شبکه عصبی و فازی در برآورد بار رسوبات معلق رودخانه ها (مطالعه موردی؛ بابل رود)
برآورد بار رسوبی یکی از مهمترین مسائلی است که در مدیریت رودخانه ها و مخازن سدها و به طور کلی در پروژه های آبی اهمیت زیادی دارد. تعداد روابط تجربی ارائه شده نشان می دهد که هنوز روش تحلیلی یا تجربی مناسبی برای تخمین صحیح بار رسوبات معلق پیشنهاد نشده است. در مطالعه حاضر به منظور دست
تخمین میزان رسوب معلق در رودخانه ها با استفاده از شبکه های عصبی مصنوعی
تخمین صحیح میزان رسوب معلق حمل شده توسط یک رودخانه برای بسیاری از پروژه های منابع آب دارای اهمیت است.همچنین پیش بینی میزان بار رسوب رودخانه نیز موضوعی مهم در مهندسی هیدرولیک است. درتحقیق پیش رو، عملکرد دو نوع از شبکه های عصبی مصنوعی از جمله شبکه mlp و rbf جهت پیش بینی مورد ارزیاب
مدلسازی بار معلق رسوب با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج فازی-عصبی مطالعه موردی: ایستگاه سیرا- رودخانه کرج
چکیده: مطالعه حاضر به بررسی مدل های شبکه عصبی مصنوعی، سیستم استنتاج فازی- عصبی و منحنی سنجه رسوب برای مدلسازی بار معلق رسوب پرداخته است. در شبکه عصبی مصنوعی از روش پس انتشار و در سیستم استنتاج فازی- عصبی از سیستم استنتاج سوگنو استفاده شده است. در مدل های آموزش داده شده از داده ها
اسناد مشابه
شبیه سازی مدل سینتیک خشک شدن لایۀ نازک نعناع فلفلی (mentha piperita l.) به کمک سامانۀ استنتاج تطبیقی عصبی ـ فازی(anfis)
رتبه بندی گیاهان دارویی بر اساس تعداد کل دارو نشان می دهد گونه های متعدد گیاه نعناع با نام عمومی mentha از پر مصرف ترین گیاهانی هستند که در صنایع مختلف دارویی، غذایی، آرایشی، و بهداشتی به کار می روند. فرایند خشک کردن برای حفظ کمیت و کیفیت اسانس به دست آمده از گیاه، دارای نقش فوق
بهره‌برداری بهینه کمی کیفی از مخازن سدها با کاربرد مدلهای استنتاج تطبیقی عصبی فازی ANFIS و مدل بهینه‌سازی الگوریتم ژنتیک
در این نوشتار با تلفیق مدلهای شبیه‌سازی کیفی مخزن و یک مدل بهینه‌سازی الگوریتم ژنتیک، سیاست‌های بهره‌برداری بهینه از مخزن سدها تدوین می‌شود. مدل شبیه‌سازی کیفی مورد استفاده در این تحقیق مدل استنتاج تطبیقی عصبی فازی است، که در داخل فرایند بهینه‌سازی، وضعیت لایه‌بندی کیفی مخزن و ه
بهره‌برداری بهینه کمی ـ کیفی از مخازن سدها با کاربرد مدلهای استنتاج تطبیقی عصبی ـ فازی ANFIS و مدل بهینه‌سازی الگوریتم ژنتیک
در این نوشتار با تلفیق مدلهای شبیه‌سازی کیفی مخزن و یک مدل بهینه‌سازی الگوریتم ژنتیک، سیاست‌های بهره‌برداری بهینه از مخزن سدها تدوین می‌شود. مدل شبیه‌سازی کیفی مورد استفاده در این تحقیق مدل استنتاج تطبیقی عصبی ـ فازی است، که در داخل فرایند بهینه‌سازی، وضعیت لایه‌بندی کیفی مخزن و
بهره برداری بهینه کمی ـ کیفی از مخازن سدها با کاربرد مدل های استنتاج تطبیقی عصبی ـ فازی anfis و مدل بهینه سازی الگوریتم ژنتیک
در این نوشتار با تلفیق مدل های شبیه سازی کیفی مخزن و یک مدل بهینه سازی الگوریتم ژنتیک، سیاست های بهره برداری بهینه از مخزن سدها تدوین می شود. مدل شبیه سازی کیفی مورد استفاده در این تحقیق مدل استنتاج تطبیقی عصبی ـ فازی است، که در داخل فرایند بهینه سازی، وضعیت لایه بندی کیفی مخزن و
مقایسه روشهای شبکه های عصبی مصنوعی، فازی-عصبی تطبیقی و منحنی سنجه رسوب در برآورد رسوبات معلق رودخانه ها (مطالعه موردی: رودخانه آجی چای)
ارائه راهکاری مناسب جهت برآورد دقیق بار معلق رودخانهها در پروژههای آبی، مهندسی رودخانه و آبیاریکاربردهای فراوانی دارد. به دلیل تأثیر پارامترهای مختلف بر انتقال رسوبات در رودخانهها، تعیین معادلات حاکم برآن مشکل بوده و مدلهای ریاضی نیز در این راستا از دقت کافی برخوردار نیستند. امرو
مقایسه روشهای شبکه های عصبی مصنوعی، فازی-عصبی تطبیقی و منحنی سنجه رسوب در برآورد رسوبات معلق رودخانه ها (مطالعه موردی: رودخانه آجی چای)
ارائه راهکاری مناسب جهت برآورد دقیق بار معلق رودخانهها در پروژههای آبی، مهندسی رودخانه و آبیاریکاربردهای فراوانی دارد. به دلیل تأثیر پارامترهای مختلف بر انتقال رسوبات در رودخانهها، تعیین معادلات حاکم برآن مشکل بوده و مدلهای ریاضی نیز در این راستا از دقت کافی برخوردار نیستند. امرو