جبرانسازی سری با خازن روشی است که در سیستم های قدرت برای کاهش مشکلات ناشی از راکتانس خطوط انتقال استفاده می شود. با کاهش راکتانس موثر خطوط، این خازن ها می توانند پایداری گذرا را افزایش و قابلیت بارپذیری این خطوط را بهبود دهند و همچنین با کنترل مقدار این راکتانس می توان بار به اشتراک گذاشته بین خطوط موازی را بهتر کنترل نمود. این فواید باعث شده است که این خازن ها بطور گسترده ای در سیستم های قدرت ...

کتاب شبکه های عصبی موجک در نگاه نخست کتابی جامع و مفید می نماید اما با نگاهی دقیق تر در آن اشکالاتی به چشم می خورد که چندان شایستۀ کتابی «شایستۀ تدریس» نمی نماید. آشفتگی یا اشتباه در گزینش برابرنهادها، اشتباهات نوشتاری نسبتاً پرشمار، نبودی فهرستی از «نمادها، اختصارات، شکل ها و جداول»، اختصاص یافتن واژه نامۀ پایان کتاب به اصطلاحات به کار رفته در مقالات خود مؤلف و اشکالاتی دیگر همگی از سودمندی این...

رله های حفاظتی در سیستم قدرت وظیفه تشخیص خطاها از جمله اتصال کوتاه ها را بعهده دارند. اما گاهی خطاهایی از طریق یک جسم واسط با امپدانس بالا رخ می دهد که توسط رله های معمول قابل شناسایی نیستند زیرا در اینگونه خطاها جریان خطا در حد جریان بار یا کمتر محدود می شود. از جمله متداولترین این خطاها که به خطاهای امپدانس بالا معروف هستند، پارگی یک فاز و افتادن آن روی زمین می باشد. تشخیص و رفع این خطاها از ...

در این پایان نامه قابلیت مدل های شبکه عصبی پرسپترون چند لایه، رگرسیون بردار پشتیبان، هیبرید موجک – عصبی و هیبرید موجک – رگرسیون بردار پشتیبان برای تخمین جریان رودخانه بررسی گردید . در این راستا سری زمانی جریان ماهانه رودخانه در دوره 1367 تا 1390 برای ایستگاه های صفاخانه، سنته و پل آنیان از حوضه آبریز رودخانه زرینه رود در شمال غربی ایران استفاده شد. جهت تعیین بهترین ساختار ورودی مدل ها، ترکیب ها...

با توجه به اهمیت پیش بینی جریان رودخانه در مدیریت منابع آب روش های مختلفی برای مدل کردن جریان رودخانه ها بکار برده شده است. تا بتوان با بکارگیری این مدل در مدیریت خشکسالی و سیلاب، خسارات ناشی از آنها را به حداقل ممکن رساند. در این مطالعه مدل شبکه عصبی و مدل هیبرید موجکی- شبکه عصبی برای پیش بینی جریان روزانه ایستگاه ونیار پیشنهاد گردیده است. برای استفاده از مدل هیبریدی سری زمانی به 12 زیر سری تج...

یکی از مسایلی که از دیرباز مورد توجه محافل علمی بوده است، پیش بینی سری های زمانی و تقریب توابع می باشد. روشهای کلاسیک و هوشمند متعددی در این زمینه معرفی و به کار بسته شده اند. به یقین، یکی از روشهای بسیار موفق در زمینه پیش بینی سری های زمانی، شبکه عصبی می باشد. شبکه های عصبی پرسپترون دو لایه دارای تقریب زنی جهانی بوده و قادر به تخمین هر تابعی در فضای می باشند. به نظر می رسد با افزایش پیچیدگی تا...

در پژوهش حاضر چارچوبی متشکل از سه مدل ناهمسانی واریانس شرطی گارچ(garch)،شبکه عصبی مصنوعی-گارچ (nn-garch) و شبکه عصبی مصنوعی موجکی-گارچ (wnn-garch) به منظور پیش بینی نوسانات بازدهی شاخص کل بورس اوراق بهادار ارائه شده است.نتایج نشان می دهد که استفاده از شبکه عصبی مصنوعی پیشخور با الگوریتم پس انتشار برای تخمین مدل ناهمسانی واریانس شرطی گارچ به دلیل عدم نیاز این مدل به مفروضاتی همچون نوع تابع توزیع...

چکیده: در این تحقیق، یک الگوریتم ترکیبی جدید به منظور جداسازی جریان هجومی از خطای داخل ترانسفورماتور، قابل پیاده سازی در حفاظت دیفرانسیل دیجیتال ترانسفورماتورهای قدرت، ارائه می گردد. الگوریتم نامبرده مبتنی بر مفاهیم ریاضی تبدیل موجک و شبکه عصبی می باشد. تبدیل موجک روشی قدرتمند در جداسازی و تجزیه یک سیگنال است. مزیت این روش، جداسازی سیگنال در حوزه فرکانس- زمان می باشد، یعنی بر خلاف روش های جدا ...