هدف این مطالعه، تخمین نفت زیستی حاصل از فرایند پیرولیز مواد زائد بر حسب رطوبت، کربن ثابت، مواد فرار و خاکستر  است. از نتایج آزمایشگاهی 41 مطالعه مختلف برای مدل سازی استفاده شد. از مدل شبکه عصبی به عنوان یک ابزار سیاستگذاری در ارزیابی  و پیش‌بینی مقدار درصد نفت زیستی حاصل از مواد زائد طی فرایند پیرولیز استفاده شد. مقادیر بهینه پارامترهای شبکه عصبی به روش آماری تخمین زده شد. نتایج مقایسات در دو ش...

قیمت نفت، اهمیت و نوسانات آن در طول زمان در اخذ تصمیمات مهم اقتصادی در دنیا، سبب گسترش روش‌های مختلفی در پیش­بینی قیمت نفت، ازجمله ابزارهای غیرخطی مانند شبکه عصبی شده است. در این مقاله برای در نظر گرفتن عامل زمان در پیش­بینی توسط شبکه عصبی، با دریافت بازخورد از شبکه عصبی مصنوعی اصلاح شده با الگوریتم ژنتیک GADNN وقفه­های بهینه ناشی از ورودی­ها و خروجی‌های قیمت نفت توسط شبکه عصبی پویا محاسبه می­گ...

پیش بینی آورد رودخانه در مدیریت منابع آب از اهمیت فراوانی برخوردار است، اما به دلیل عدم قطعیت بالا در عواملی که فرآیند بارش- رواناب را سبب می گردند، همواره با مشکلاتی همراه بوده است. یکی از روش هایی که می تواند این مشکل را تا حدی کاهش دهد، تحلیل عدم قطعیت پیش بینی های انجام شده می باشد. این تحلیل ها در مدل های آماری سابقه طولانی دارند، ولی برای مدل های شبکه عصبی و نروفازی کمتر مورد استفاده قرار...

مطالعه­ حاضر به­ دنبال مدل­­سازی رابطه گوردون با استفاده از روش شبکه عصبی پیش­خور برای تعدادی از شرکت­های پذیرفته شده در بورس اوراق بهادار تهران است. در این مطالعه به بررسی مدل گوردون با رویکرد غیرخطی و مقایسه آن با مدل خطی رگرسیون پرداخته شده است. بررسی مدل غیرخطی گوردون با استفاده از شبکه عصبی تاکنون در مطالعات مورد توجه قرار نگرفته است. در این پژوهش از اطلاعات 247 شرکت و تعداد 1135 مشاهده (ش...

در این مقاله به منظور بررسی ارتباط بین افت فشار سیکلون جداسازی و پارامترهای هندسی سیکلون غبارگیری، سه نوع شبکه عصبی مصنوعی انتشار بازگشتی[1]، شبکه عصبی تابع پایه شعاعی[2] و شبکه عصبی رگرسیون تعمیم یافته[3] به کارگرفته شده­اند. پس از آموزش آن­ها با داده­های تجربی، پارامترهای بهینه عملکردی هر کدام شبکه ها، با روش جستجوی چند مرحله ای[4] به دست آمده اند. شبکه­ها بر اساس میزان ضریب همبستگی[5]، خطای ...

در این مقاله، به منظور ارزیابی تأثیر دینامیک های آشوب گونه در افزایش کارایی شبکه های عصبی بازگشتی در بازشناسی مقاوم الگو، دو مدل برای شبکه های عصبی آشوب گونه ارائه شده است. در مدل اول که براساس نظریه انتخاب طبیعی طراحی گردیده است، شبکه عصبی بازگشتی جاذب (arnn) به عنوان هوش حاکم، تنوعات ایجاد شده توسط گره های آشوبی را در جهت رسیدن به جواب بهینه هدایت می نماید. در مدل دوم، ساختاری از شبکه عصبی آش...

تا کنون برای پیش بینی بازده سهام و بازده شاخص از روش های متعددی استفاده شده است در این میان هوش مصنوعی و شبکه های عصبی مصنوعی یکی از روش های پیش بینی بازده شاخص بوده است. در حال حاضر به دنبال بررسی عملکرد شبکه عصبی شعاع پایه برای پیش‌بینی بازده شاخص هستیم. بدین منظور از شاخص بورس اوراق بهادار تهران استفاده شده است و عملکرد شبکه عصبی شعاع پایه و شبکه عصبی پرسپترون مقایسه شده‌اند. نوع آزمون عملکر...

مدل‏های مفهومی بر مبنای هوش مصنوعی، اغلب برای پیش بینی‏های کوتاه مدت و میان مدت هیدورلوژیکی به کار رفته اند. در این مقاله با استفاده از مفهوم تولید مجموعه ای از پیش بینی ها1 (esp) و تفکیک مدل‏سازی برای متغیرهای اقلیمی و هیدرولوژیکی، از مدل‏های مفهومی برای پیش بینی بلندمدت حجم جریان رودخانه زاینده رود در محل ورودی به سد زاینده رود استفاده می شود. سیستم استنتاج فازی برای پیش بینی بارش فصلی به صور...

مدل‌سازی بارش- رواناب یکی از پراهمیت‌ترین موضوعات در مدیریت منابع آب‌های سطحی برای اتخاذ تدابیر مناسب در مواقع سیلاب و بروز خشک‌سالی‌ها است. در این تحقیق از مدل‌های شبکه­های عصبی مصنوعی، برنامه­ریزی بیان ژن، موجک- عصبی و حداقل مربعات ماشین بردار پشتیبان به­منظور تخمین جریان روزانه رودخانه دره­رود استفاده شد. داده‌های دبی و بارش روزانه ایستگاه مشیران واقع بر رودخانه مذکور و در بالادست سد عمارت ب...