این پژوهش، روش شبکه های عصبی با الگوریتم پس انتشار خطا را برای پیش بینی بلند مدت بارندگی در مقیاس زمانی ماهانه و فصلی در ایران مورد بررسی قرار می دهد. در این راستا به منظور پیش بینی بلند مدت بارش در ماه های اکتبر تا مارس و فصول پاییز و زمستان، از داده های 14 ایستگاه سینوپتیکی کشور و همچنین، دو شاخص اقلیمی بزرگ مقیاس soi و nino3,4در بازه ی زمانی (2010 – 1960) به مدت 51 سال بهره گرفته شد. پروژه د...

برداشت های الکترومغناطیس هلیکوپتری حوزه فرکانس به عنوان روشی اکتشافی با سرعت و دقت بالا برای به نقشه در آوردن مقاومت ویژه زیر سطحی زمین، مورد استفاده قرار می گیرد. در عمل دو روش کلی تبدیل مستقیم و معکوس سازی با تکرار محاسبات برای مدل سازی و تفسیر داده های این روش استفاده می شود. روش های دسته اول دارای سرعت بالا ولی دقت پایین می باشند. در مقابل روش های معکوس سازی با تکرار محاسبات علاوه بر سرعت ب...

برآورد توزیع مکانی بارش برای اجرای طرح های مطالعات منابع آب، خشک سالی، طرح های آمایش سرزمین، محیط زیست، آبخیزداری و طرح های جامع کشاورزی ضروری می-باشد. تغییرات زیاد مقدار بارش در نقاط مختلف، کمبود ایستگاه های اندازه گیری و پیچیدگی ارتباط بارش با پارامترهای اثرگذار بر آن، اهمیت توسعه روش های کارآمد را در برآورد توزیع مکانی بارش دو چندان می نماید. شبکه عصبی مصنوعی به عنوان یک روش نوین، در مدل ساز...

پیش­بینی نوسانات سطح آب زیرزمینی، برای برنامه­ریزی مناسب­تر به­ویژه در مناطق خشک و نیمه خشک امری ضروری است. در این تحقیق برای پیش­بینی نوسانات سطح آب زیرزمینی در دشت مروست از مدل­های سری زمانی و شبکه عصبی استفاده شد. برای مدل­سازی، اطلاعات سطح آب زیرزمینی در طی سال­های 88-1366 استفاده و مدل­های مختلف سری زمانی تلفیقی و شبکه عصبی مصنوعی بر داده­ها برازش داده شد. کارآیی و دقت مدل­های آریما در پیش...

پیش­بینی نوسانات سطح آب زیرزمینی، برای برنامه­ریزی مناسب­تر به­ویژه در مناطق خشک و نیمه خشک امری ضروری است. در این تحقیق برای پیش­بینی نوسانات سطح آب زیرزمینی در دشت مروست از مدل­های سری زمانی و شبکه عصبی استفاده شد. برای مدل­سازی، اطلاعات سطح آب زیرزمینی در طی سال­های 88-1366 استفاده و مدل­های مختلف سری زمانی تلفیقی و شبکه عصبی مصنوعی بر داده­ها برازش داده شد. کارآیی و دقت مدل­های آریما در پیش...

یکی از هدف های مهم ژئودزی ، مدل سازی محلی میدان گرانی زمین است. یکی از روش ها برای مدل سازی محلی میدان گرانی زمین استفاده از تابع های پایۀ شعاعی کروی است. در این تحقیق از تابع های پایه شعاعی برای مدل سازی محلی میدان گرانی با استفاده از داده های بی هنجاری جاذبه و بی هنجاری پتانسیل حاصل از ارتفاع سنجی ماهواره ای در مناطق ساحلی استفاده شده است. برای این منظور بی هنجاری پتانسیل به صورت ترکیبی از ای...

این مقاله یک روش پایدار، موثر وقابل انعطاف برای حل مسائل معکوس غیر خطی را برای مدل‌سازی معکوس داده‌های مغناطیسی معرفی می‌کند. روش تکراری عرضه شده در این مقاله به‌‌خوبی با مسائل معکوس غیر خطی با حجم زیاد پارامترهای مدل، سازگار است. روش گرادیان زیرفضا از پارامترسازی استفاده می‌کند که در آن عمق بالایی بلوک‌ها ثابت و عمق پایینی آنها متغییر است. در این روش پارامترهای مدل با توجه به بعد ابعادی متغییر...

مدل‌سازی میدان ثقل به صورت جهانی و محلی و با به کار‌گیری داده‌های ارتفاع سنجی ماهواره‌ای، هوابرد، زمینی و یا ترکیبی از مجموعه این داده‌ها صورت می‌گیرد. یکی از روش‌های مرسوم برای تقریب میدان ثقل، استفاده از بسط توابع هارمونیک کروی است. به دلیل مشخصه‌های جهانی توابع پایه هارمونیک کروی، تغییرات محلی کوچک منجر به تغییر در تمام ضرایب این توابع می‌شود و لذا این توابع برای مدل‌سازی‌های محلی مناسب نیست...

یکی از ابزار قدرتمند در پیش بینی رفتار و پاسخ‏های سیستم در حوزه مهندسی شبکه عصبی می‏باشد. در کار حاضر با استفاده از یک شبکه عصبی وابسته به زمان داده‏های موجود حاصل از کار آزمایشگاهی برای مطالعه پارامترهای توربولانس مورد پردازش قرار گرفته است. مدل شبکه عصبی مدل پیش خور می‏باشد و برای تابع آموزش از الگوریتم لونبرگ- مارکوارادت استفاده شده است. داده‏های حاصل از پراب دوبعدی و یک بعدی سیم داغ که به ص...

در این مقاله، یک شبکه­ی عصبی مصنوعی جهت تعیین فراسنجهای آبخوان آزاد (قابلیت انتقال آبخوان، ضریب ذخیره، آبدهی ویژه و شاخص تأخیر) طراحی گردیده است. تابع چاه مربوط به آبخوانهای آزاد با روش پس انتشار خطا و به کارگیری الگوریتم بهینه سازی لونبرگ-مارکوآرت به این شبکه آموزش داده شده است. با اعمال روش تحلیل مولفه­ی اصلی بر مجموعه داده های آموزش، ساختار شبکه با آرایش (3×6×3)، صرف نظر از تعداد داده های آز...