تخمین ضریب نفوذ مواد آلی به کمک شبکه عصبی مصنوعی مبتنی بر روش qspr

مدل سازی سینتیک خشک شدن خلال پیاز از طریق تخمین رطوبت در طول فرآیند خشک شدن به کمک شبکه عصبی مصنوعی

هدف از انجام این تحقیق پیش بینی مدت زمان لازم برای خشک کردن و محتوای رطوبتی پیاز به کمک شبکه عصبی مصنوعی می باشد. آنالیز داده ها به کمک نرم افزارهای matlab،mstatc وspss18 و مقایسه میانگین ها به کمک آزمون دانکن انجام شد. در این تحقیق پیاز به صورت لایه نازک با استفاده از خشک-کن جری

تخمین عمق آبشستگی در تکیه گاه پل به کمک شبکه عصبی مصنوعی و مدل hec-ras

اجرای پل ها بر روی آبراهه ها مستلزم استفاده از ستون هایی بر روی بستر رودخانه است. این بخش از پل عموماً در معرض پدیده آبشستگی موضعی قرار می گیرد. تعیین میزان عمق این نوع آبشستگی از مسائل حائز اهمیت در مهندسی هیدرولیک است. مکانیسم جریان اطراف پایه پل ها پیچیده بوده و ایجاد یک مدل ت

مقایسه ویژگی های عملکردی دو روش خشک کردن برنج نیم پخت شده ) رقم هاشمی( و شبیه سازی فرآیند خشک کردن به کمک شبکه عصبی مصنوعی

نیم پخت کردن یکی از روش های هیدروترمال است که پس از برداشت و پیش از فرآیندهای خشک کردن و پوست کنی بر روی شلتوک اعمال می¬گردد و با افزایش سختی و مقاومت دانه¬های برنج باعث کاهش درصد خرد شدگی آن در حین عملیات فرآوری می¬گردد. همچنین در حین فرآیند نیم پخت کردن ویتامین¬ها و مواد معدنی

مدل سازی فرآیند حذف بیولوژیکی ترکیبات آلی فرار از پساب صنعتی به کمک شبکه عصبی مصنوعی و منطق فازی

تهیه یک ابزار عددی قابل اعتماد برای شبیه سازی عملکرد یک بیورآکتور غشایی در فرآیند تصفیه پساب می تواند در کاهش هزینه های طراحی و ساخت آن تأثیر گذار باشد. با توجه به پیچیده بودن فرآیند تصفیه فاضلاب با بیورآکتور غشایی، می توان توسط مدل سازی شناخت بهتری نسبت به این فرآیند پیدا کرد تا

تخمین تخلخل به وسیله ی روش های شبکه عصبی مصنوعی بهینهrbf وmlfn با استفاده از نشانگرهای لرزه ای و نگارهای چاه در یکی از مخازن هیدروکربنی جنوب غرب ایران

در این مطالعه ضمن تشریح شبکه های عصبی مصنوعی به کاربرد آن در تعیین تخمین تخلخل بعنوان فاکتور موثر در پارامترهای پتروفیزیکی میادین هیدرو کربنی پرداخته شده است. در مرحله ی اول تخمین تخلخل موثر مخزن با استفاده از روش های شبکه عصبی مصنوعی و داده های نگارهای موجود در چاههای میدان مورد

تخمین برخی خصوصیات فیزیکی و هیدرولیکی خاک های منتخب از دشت اردبیل با استفاده از روش های شبکه عصبی مصنوعی و رگرسیونی

اندازه گیری مستقیم خصوصیات هیدرولیکی و فیزیکی خاک وقت گیر، هزینه بر و گاهی اوقات به دلیل خطاهای آزمایشی و عدم یکنواختی خاک غیر واقعی است. در عوض، این خصوصیات می توانند به عنوان یک جایگزین از روی ویژگی های زودیافت خاک مانند توزیع اندازه ذرات، جرم مخصوص ظاهری و حقیقی، کربن آلی و کر

تخمین چگالی خاک ها با کمک شبکه عصبی مصنوعی

بهینه سازی فرایند جذب سطحی رنگ دی سولفین بلو توسط نانوذره ZnO-Cr نشانده شده برروی کربن فعال با استفاده از روش پاسخ سطح و مدل سازی با کمک شبکه عصبی مصنوعی

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

استفاده از تحلیل مولفه اصلی برای تعیین ورودی‌های موثر بر تخمین بارش به کمک شبکه عصبی مصنوعی و ماشین‌بردار پشتیبان

مدیریت نزولات جوی و استفاده بهینه از این منابع کمک شایانی به مدیریت منابع آب می­کند و همچنین در مدیریت منابع آب تخمین پارامتر هیدرولوژیکی نقش اساسی دارند. در این تحقیق تخمین بارش سه ایستگاه سینوپتیک آستارا، لاهیجان و جیرنده واقع در استان گیلان با استفاده از شبکه عصبی مصنوعی (

بهینه سازی مشخصات ابعادی در اتصال مواد مرکب چند لایه به کمک شبکه عصبی مصنوعی و الگوریتم ژنتیک

در این مقاله حالات و بارهای گسیختگی برای اتصالات چندپینی در ورق مواد مرکب الیاف شیشهای اپوکسی تک جهته، با استفاده از روش اجزای محدود و آزمونهای تجربی تحلیل میشوند. به علاوه با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک، الگویی معرفی میشود که در آن پین‌ها در موقعیت بهینه‌شده‌ای

تخمین عمق آبشتگی موضعی در اطراف پایه های واقع در مجرای اصلی آبراهه ها به کمک شبکه عصبی مصنوعی

تحقیقات آزمایشگاهی و صحرایی در زمینه آبشستگی اطراف پایه های مستقر در مجاری اصلیرودخانه ها در پنجاه سال گذشته منجر به ارائه روابط متعدد برای بر آورد حداکثر عمق حفره آبشستگی شده است . هر کدام از روابط یاد شده اثر پارامتر های محدودی را مورد بررسی قرار می دهد به همین دلیل بر آوردهای

تخمین عمق آبشتگی موضعی در اطراف پایه های واقع در مجرای اصلی آبراهه ها به کمک شبکه عصبی مصنوعی

تحقیقات آزمایشگاهی و صحرایی در زمینه آبشستگی اطراف پایه های مستقر در مجاری اصلیرودخانه ها در پنجاه سال گذشته منجر به ارائه روابط متعدد برای بر آورد حداکثر عمق حفره آبشستگی شده است . هر کدام از روابط یاد شده اثر پارامتر های محدودی را مورد بررسی قرار می دهد به همین دلیل بر آوردهای