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

تخمین ضریب فشار جانبی ماسه ها با استفاده از آزمایش نفوذ مخروط در محفظه کالیبراسیون و شبکه عصبی مصنوعی

تعیین دقیق و مناسب پارامترهای خاک همواره در طراحی‌های ژئوتکنیکی مورد توجه بوده است. پیش بینی دقیق پارامترهای تاثیرگذار ماسه از آزمایشات برجا نظیر (CPT)، یکی از چالشی‌ترین مسایل در مهندسی ژئوتکنیک است. در این تحقیق با استفاده از نتایج آزمایش کالیبراسیون نفوذ مخروط که در دانشگاه‌ها و موسسات معتبر انجام شده‌اند و همچنین سیستمی متشکل از سه نوع شبکه عصبی مصنوعی، پارامتر ضریب فشار جانبی ماسه در حالت ...

برآورد ضریب انتشار طولی در مجاری روباز طبیعی به کمک شبکه عصبی مصنوعی

تخمین تبخیر و تعرق مرجع روزانه به کمک مدل درخت تصمیمM5 و شبکه عصبی مصنوعی

تعیین دقیق آب مصرفی گیاه باعث افزایش راندمان آبیاری و بهبود مدیریت آب در مزرعه را دنبال دارد. تبخیر و تعرق یک از اجزای اصلی چرخه­ی هیدرولوژی محسوب می­شود و برآورد دقیق آن در مدیریت منابع آب نقش اساسی دارد. در این تحقیق به ارزیابی مدل درختی  M5  و مدل شبکه­ی عصبی تحت شرایط مختلف حداقل داده­ی اقلیمی در یک منطقه­ی خشک سرد پرداخته شد. داده­های مورد استفاده در این تحقیق شامل دمای حداقل و حداکثر، رطو...

کاربرد مدل سازی شبکه عصبی مصنوعی در تخمین ضریب دبی سرریزهای خطی

سرریزها از جمله سازه های مهم هیدرولیکی هستند که در کانال ها و شبکه های آبرسانی موارد استفاده فراوانی دارند. از رایج ترین انواع سرریزها می توان به سرریزهای مستطیلی، مثلثی و ذوزنقه ای اشاره نمود. در این مطالعه روشی بر اساس مدل سازی شبکه های عصبی مصنوعی، به منظور تعیین ضریب دبی این دسته از سرریزها که به علت داشتن تابع عرضی خطی تحت عنوان کلی سرریزهای خطی بیان شده اند، ارائه شده است. شبکه عصبی مصنوع...

تخمین ضریب پخش طولی آلاینده ها در مجاری روباز با استفاده از شبکه عصبی مصنوعی

انتقال طولی آلاینده ها یکی از مراحل مهم در فرآیند رقیق سازی آلاینده ها میباشد که شناخت آن از اهمیت ویژهایبرخوردار است. دشواری اندازه گیری ضریب انتشار طولی در رودخانهها نیاز به استفاده از روشهای مناسب مدلسازیدر پیشبینی این ضریب را بیشتر میکند. یکی از روشهای کارآمد مدل سازی شبکه عصبی مصنوعی است که یکی ازتکنیکهای هوش مصنوعی محسوب میشود. در این مدل بدون استفاده از معادلات پیچیده غیرخطی، میتوان دینا...

تخمین ضریب تبدیل شلتوک با استفاده از شبکه های عصبی مصنوعی در خشک کردن بستر سیال

The objective of this research was to predict head rice yield (HRY) in fluidized bed dryer using artificial neural network approaches. Several parameters considered here as input variables for artificial neural network affect operation of fluidized bed dryers. These variables include: air relative humidity, air temperature, inlet air velocity, bed depth, initial moisture content, final moisture...