استفاده از شبکه عصبی (ann) برای طراحی سیستم راهنمای اپراتور یک نیروگاه pwr
دانلود متن کاملرایگان، با حساب کاربری؛ ثبت نام با گوگل چند ثانیه است
چکیده
چکیده‌ای برای این سند ثبت نشده است.
پایان‌نامه‌های مشابه
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
طراحی مدل پیش بینی قیمت آتی طلا در بورس کالای ایران با استفاده شبکه عصبی فازی
چکیده: طلا همواره به عنوان فلزی گران بها مورد توجه بشر بوده است، بنابراین پیش بینی قیمت آن از اهمیت فراوانی برخوردار است. در چند دهه گذشته که روش های ابتکاری و هوش مصنوعی متدوال نشده بودند، برای پیش بینی از روش های کلاسیک برای پیش بینی قیمت استفاده می نمودند. با این وجود بازار طل
شبیه سازی دبی جریان حوضه ماربره با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج عصبی-فازی
شبیه سازی جریان رودخانه به عنوان اولین و مهم ترین گام جهت کنترل سیلاب در مدیریت منابع آب می باشد. در این تحقیق جریان روزانه رودخانه ماربره واقع در استان لرستان، با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج عصبی-فازی مورد بررسی قرار گرفت. بر این اساس ترکیب های مختلفی با استفاده
تخمین هوشمند ضریب دبی جریان در دریچه های کشویی جانبی با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج فازی-عصبی
برای انتقال آب جهت مصارف کشاورزی و یا انحراف آب های سطحی و اضافی و کنترل ارتفاع سیلاب ها از کانال های فرعی استفاده می گردد. کانال های فرعی مقداری از جریان آب در کانال اصلی یا کانال فرعی بزرگ تر را دریافت و آن را جهت مصارف کشاورزی انتقال می دهد. تعیین میزان دبی عبوری از کانال فرعی
برآورد مقاومت فشاری بتن با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج فازی-عصبی تطبیقی
مقاومت فشاری بتن یکی از مشخصات مهم مکانیکی بتن است که متأثر از طرح اختلاط بتن می باشد. اجزای تشکیل دهنده بتن سیمان، آب، درشت¬دانه و ریزدانه است که میزان آنها در طرح اختلاط بر مقاومت فشاری بتن تأثیر می¬گذارند. در زمینه تخمین رفتار بتن، تکنیک¬های ریاضی مختلفی توسط محققین ارائه شده
طراحی سیستم قدرت یکپارچه ی dc برای کلکتورِ نیروگاه های بادی فراساحل متصل به شبکه
در دو دهه ی اخیر گسترش تولید توان با استفاده از نیروگاه های بادی به عنوان یکی از منابع اصلی انر‍‍‍‍‍‍ژی تجدیدپذیر، در زمره ی سیاست های توسعه ی پایدار اکثر کشورها قرار گرفته است. در این راستا نیروگاه های بادی فراساحل، به دلیل قابلیت تولید توان بالاتر سهم عمده ای از تولید نیروگاه ه
اسناد مشابه
شبیه سازی فرآیند بارش- رواناب با استفاده از شبکه عصبی مصنوعی و سیستم فازی- عصبی تطبیقی (مطالعه موردی: حوزه آبخیز حاجی قوشان)
پیشبینی رواناب به صورت کوتاه مدت به دلیل رابطه مستقیم آن با چگونگی تعامل مدیران با خطرات جانی ناشی از سیلابها، از اهمیت خاصی برخوردار است. در این تحقیق با استفاده از شبکههای عصبی مصنوعی ( ann ) و فازی عصبی تطبیقی ( anfis )، اقدام به شبیهسازی فرآیند بارش- رواناب به صورت روزان
پهنه‌بندی ریسک آتش‌سوزی مناطق جنگلی با استفاده از روش تلفیقی شبکه عصبی مصنوعی و سیستم اطلاعات مکانی (مطالعه موردی: منطقه حفاظت شده شیمبار، استان خوزستان)
بهره‌گیری همزمان از سیستم اطلاعات جغرافیایی (GIS) و روش‌های مبتنی بر هوش مصنوعی، همواره نتایج خوبی را در تحقیقات حوضه منابع طبیعی به دنبال داشتهاست. این تحقیق در همین قالب و به منظور اولویت‌بندی عوامل تأثیر‌گذار بر گسترش حریق و شناسایی مناطق پرخطر در جنگل‌های منطقه حفاظت شده شیمب
برآورد ضریب تخلیه سرریز جانبی کلیدپیانویی تیپ B در انحنای 120 درجه با استفاده از مدل های RBFو ANFIS و مقایسه با شبکه عصبی ANN
سرریزهای جانبی در شبکه های آبیاری و زهکشی، سیستم های آّب و فاضلاب و کنترل سیلاب مورد استفاده قرار میگیرند و معمولاً برای کنترل تراز آب، انحراف جریان و تخلیه دبی اضافه استفاده میشوند. با توجه به اهمیت بهبود عملکرد سرریزهای جانبی، میتوان از سرریزهای کلیدپیانویی که طول مؤثر
شبیه سازی فرایند بارش- رواناب با استفاده از شبکة عصبی- مصنوعی و سیستم فازی عصبی تطبیقی و رگرسیون چندمتغیره (مطالعة موردی: حوضة آبخیز خرم آباد)
مقدار دبی یا رواناب خروجی از یک حوضة آبخیز از اهمیت زیادی برخوردار است؛ زیرا کمبود آن ممکن است موجب خسارات مالی و مازاد آن به صورت سیلاب ممکن است موجب خسارات جانی و مالی شود. در این پژوهش با استفاده از شبکة عصبی مصنوعی پرسپترون چندلایه (mlp) و مدل فازی عصبی تطبیقی (anfis) و روش ر
شبیهسازی فرایند بارش- رواناب با استفاده از شبکة عصبی- مصنوعی و سیستم فازی عصبی تطبیقی و رگرسیون چندمتغیره (مطالعة موردی: حوضة آبخیز خرم‌آباد)
مقدار دبی یا رواناب خروجی از یک حوضة آبخیز از اهمیت زیادی برخوردار است؛ زیرا کمبود آن ممکن است موجب خسارات مالی و مازاد آن به‌صورت سیلاب ممکن است موجب خسارات جانی و مالی شود. در این پژوهش با استفاده از شبکة عصبی مصنوعی پرسپترون چندلایه (MLP) و مدل فازی عصبی تطبیقی (ANFIS) و روش ر
شبیه سازی فرآیند بارش- رواناب با استفاده از شبکه عصبی مصنوعی و سیستم فازی- عصبی تطبیقی (مطالعه موردی: حوزه آبخیز حاجی‌قوشان)
پیشبینی رواناب به صورت کوتاه مدت به دلیل رابطه مستقیم آن با چگونگی تعامل مدیران با خطرات جانی ناشی از سیلابها، از اهمیت خاصی برخوردار است. در این تحقیق با استفاده از شبکههای عصبی مصنوعی ( ANN ) و فازی عصبی تطبیقی ( ANFIS )، اقدام به شبیهسازی فرآیند بارش- رواناب به صورت روزانه، در