در این تحقیق برای یک منطقه خاص ( شهر بوشهر ) با در دست داشتن اطلاعات گمانه های موجود اقدام به آموزش شبکه عصبی کرده و تعداد لایه و تعداد نرون بهینه به منظور پیش بینی برخی از خصوصیات خاک ( ?، ll، pi، spt و جنس خاک) را بدست می آوریم. در این تحقیق از شبکه چند لایه پیش خور ( mlff ) استفاده شده است. در ادامه به وسیله نرم افزار arcgis خاک منطقه را بر اساس خصوصیات ژئوتکنیکی به دو روش idw و natural پهنه...

جهت ارزیابی عملکرد پاشش یک سمپاش زراعی نرخ متغیر، از روش شبکه عصبی مصنوعی استفاده شد. داده های لازم برای مدل سازی، از آزمون های مزرعه ای به دست آمد. برای مدل سازی بده خروجی افشانک ها،727 شبکه با چهار نوع مدل عصبی مصنوعی خطی، پرسپترون چندلایه، تابع پایه شعاعی و رگرسیون تعمیم یافته آزمون شدند. برای هر افشانک 45، 22 و 23 داده به ترتیب برای آموزش، اعتبارسنجی و آزمایش استفاده شد. مدل تابع پایه شعاعی...

استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردا...

در این مقاله ابتدا روش های پیش بینی ضریب بهره وری csm و nth به عنوان سردسته های روش های تجربی و تئوری تجربی مرور شده است.    سپس ضمن بررسی ساختار بانک اطلاعاتی استفاده شده جهت پیش بینی ضریب بهره وری، پارامترهای موثر بر ضریب بهره وری معرفی شده است. با استفاده از تحلیل آماری دو متغیره و  چند متغیره معادلاتی برای تعیین ضریب بهره وری ارائه و بر روی نتایج حاصل از این معادلات بحث شده است. در ادامه ب...

امروزه روش های کمی، به یکی ازمهمترین ابزارهای پیش بینی برای اخذ تصمیمات و سرمایه گذاری های کلان دربازارها تبدیل شده اند. دقت پیش بینی، یکی ازمهم ترین فاکتورهای انتخاب روش پیش بینی است. هدف اصلی این تحقیق بررسی دقت پیش بینی مدیریت سود با استفاده ازشبکه های عصبی و درخت تصمیم گیری و مقایسه آن بامدل های خطی است. برای این منظورنه متغیر تأثیرگذار برمدیریت سود به عنوان متغیرهای مستقل واقلام تعهدی اختی...

بارش یکی از پارامترهای مهم اقلیم شناسی و سایر علوم جوی که از اهمیت والایی در حیات بشر برخوردار است. در سال های اخیر ، سیل و خشکسالی خسارت های فراوانی را در بسیاری از مناطق جهان در پی داشته است. پیش بینی بارش در مدیریت و هشدار این معضلات نقش مهمی بر عهده دارد. با دلیل تأثیر متقابل پارامترهای مختلف هواشناسی در محاسبه بارش، آن را به سوی یک فرایند بسیار نامنظم و آشوبناک سوق داده است. امروزه شبکه ها...

با گسترش صنایع و افزایش مصرف انرژی در جهان، انتشار آلاینده اکسیدهای نیتروژن، NOx، که از احتراق سوخت‌های فسیلی در موتورهای درون‌سوز و صنایع تولید می‌شوند، با سرعت زیادی در حال افزایش است. بنابراین کنترل انتشار و حذف NOx از اهمیت بسیاری برخوردار است. در این مطالعه، مدلسازی و شبیه‌سازی کاهش کاتالیستی انتخابی NOx در یک بستر کاتالیستی در دو حالت پایا و دینامیک انجام گردید. نتایج حالت پایا نشان داد ک...

هدف کلی این پژوهش ایجاد ابزار پیش بینی مناسب جهت قیمت گذاری عرضه های عمومی اولیه بوسیله شبکه های عصبی و الگوریتم ژنتیک است. چارچوب نظری این مطالعه بر اساس نظریه عدم تقارن اطلاعاتی می باشد. اگرچه ادبیات قیمت گذاری عرضه های عمومی اولیه، گستره ی وسیعی از علایم ممکن را معرفی می کند، تعداد کمی از این علایم، تأثیر بااهمیتی بر کارایی پیش بینی دارند. نتایج پژوهش نشان می دهد ترکیب شبکه های عصبی با الگور...

چکیده شبکه های عصبی در دهه ی اخیر به عنوان ابزار قدرتمندی جهت پیش بینی در حوزه های مختلف مورد استفاده قرار گرفته اند. در این تحقیق از شبکه عصبی پیشخور پرسپترون چند لایه (MLP) با یادگیری پس انتشار از الگوریتم آموزش انتشار به عقب (BP)، با تکنیک بهینه سازی عددی لونبرگ- مارکوات (LM)،توسط نرم افزار متلب مورد استفاده قرار گرفت. درصد رطوبت کیک ، دمای پرس و زمان بسته شدن پرس به عنوان متغیرهای ورودی و خ...

یک شبکه عصبی پیش خور با الگوریتم لونبرگ – آکوارت برای مدلسازی انتقال جرم و مقایسه نتایج تجربی حاصل از جداسازی دی اکسید کربن از هوای اتاق توسط غشای مایع دی گلایکول آمین/تری اتیلن گلایکول حمایت شده استفاده شد. داده های تجربی مورد استفاده در سه بخش به صورت، 70 درصد داده ها برای آموزش، 15 درصد برای اعتبار سنجی و 15 درصد به تست شبکه اختصاص یافت. تعداد نورون های بهینه لایه مخفی شبکه نیز با استفاده از...