شبیه سازی سیستم آبهای زیرزمینی به دلیل پیچیدگی های موجود در طبیعت این سیستم ها، به آسانی میسر نیست. این درحالیست که شبکه های عصبی مصنوعی به عنوان مدل جعبه سیاه با توانایی های بالایی که دارند برای مدل سازی سیستم های پیچیده و غیرخطی بسیار مناسب می باشند. لذا، با توجه به مشکلات فراوان مدل سازی آبخوانها با مدل های ریاضی، شبکه های عصبی مصنوعی برای پیش بینی سطح ایستابی در آبخوانها توسط محققین بکار رف...

در این مطالعه، به بررسی اثرات پارامتر های مختلف فرآیند نورد داغ و پیش بینی نیرو و گشتاور نورد با استفاده از مدل های شبکه عصبی مصنوعی و المان محدود سه بعدی پرداخته شده است. برای این منظور داده های به دست آمده از شبیه سازی المان محدود سه بعدی برای آموزش و ارزیابی شبکه، وارد شبکه عصبی می شوند و پس از آموزش و ارزیابی، شبکه قادر خواهد بود که نیرو و گشتاور نورد را پیش بینی کند. نتایج پیش بینی شده از ...

برای پیش­بینی مقدار جریان ورودی، معمولا دو روش کلی مدل‌سازی متکی به فرآیند و مدل­سازی متکی به داده استفاده می‌شود. از جمله روش‌های متکی به داده در زمینه پیش­بینی جریان رودخانه، مدل­های شبکه عصبی مصنوعی، مدل­های رگرسیون، مدل­های سری­زمانی و مدل­های منطق­فازی می­باشد. در این تحقیق کارایی روش دیگری به نام تکنیک توابع متعامد تجربی نسبت به روش‌های شبکه عصبی مصنوعی و سیستم استنتاج فازی برای پیش­بینی ...

در این مقاله تطابق بین تخلخل مفید به دست آمده از نگار (log) رزونانس مغناطیسی هسته2(nmr) و نشانگرهای لرزه ای از طریق دو روش رگرسیون خطی چندگانه و شبکه عصبی مصنوعی بررسی شده است. در ابتدا نمودارهای هر چاه از طریق ایجاد لرزه نگاشت مصنوعی با اطلاعات برداشت لرزه ای مطابقت داده شدند. برای ساختن لرزه نگاشت مصنوعی در هر چاه از نگار صوتی3 و چگالی4 استفاده شده است. سپس داده های لرزه ای پس برانبارش5 با اس...

چکید ه   سابقه و هدف   مدل رگرسیون کاکس، یکی از روش‏های رایج تحلیل داده‏های بقا می‏باشد که قبل از به ‏کارگیری آن لازم است فرض متناسب بودن خطرات برقرار باشد. اخیراً مدل‏های شبکه عصبی بدون نیاز به فرض خاص، جایگزینی مناسب در پیش‏بینی بقا می‏باشند. هدف از این مطالعه، مقایسه‏ توانایی مدل رگرسیون کاکس و شبکه عصبی مصنوعی در پیش‏بینی بقای بیماران لوسمی حاد بود.   مواد و روش ها   در یک مطالعه گذشته‏نگر، ...

این مقاله به امکان سنجی وجود آشوب در ساختار سیستم مولد قیمت نفت خام شاخصwti طی دوره 4 آوریل 1983 تا 13 ژانویه 2003 می پردازد. به این منظور از تخمین نمای لیاپانوف و بعد همبستگی به عنوان آزمون های مستقیم آشوب و آزمون های bds و شبکه عصبی جهت بررسی غیر خطی بودن ساختار سیستم استفاده شده است. نتایج تخمین نمای لیاپانوف و بعد همبستگی، وجود آشوب در سری زمانی را تایید کرده و تخمین آماره bds و شبکه عصبی، ...

قطر و ارتفاع درختان، متغیرهایی اساسی برای بررسی زی‌‌توده، ذخیره کربن و تکامل توده‌‌های جنگلی هستند. با‌توجه‌به کم‌هزینه بودن و سهولت اندازه‌‌گیری قطر و زیاد بودن خطای اندازه‌‌گیری ارتفاع درخت، در این پژوهش برای برآورد ارتفاع درختان نمدار (Tilia begonifolia Stev.) در جنگل‌‌های شفارود گیلان از مدل‌‌های غیرخطی استفاده شد. نمدار در شفارود از ارتفاعات پایین تا 1800 متر از سطح دریا پراکنش دا...

در این مقاله روش جدیدی برای مدل سازی خطی سیستم های غیر خطی ارائه می گردد . اساس روش پیشنهادی طراحی یک شبکه عصبی مصنوعی دو لایه و‌آموزش آن بر مبنای داده های ورودی- خروجی است . وزن های اتصالات این شبکه ضرایب تابع تبدیل هستند . در سیستم هایی که رفتار آنها خطی باشد ، روش حداقل کردن مربعات خطا (lse) بهترین نتایج مدل سازی را ارائه می نماید . در سیستم هایی که رفتار غیر خطی دارند ، نظیر بعضی قسمت های ب...

این پژوهش با رویکرد ترکیبی، با به‌کارگیری شبکه عصبی بازگشتی مبتنی بر الگوریتم کلونی زنبورعسل مصنوعی (ABC-RNN)، درصدد ارائه مدلی بهینه برای پیش­بینی قیمت سهام در بورس تهران است. برای این منظور با استفاده از داده‌های سهام پذیرفته‌شده در بازار اول تابلوی اصلی بورس تهران که طی سال­های 1390 تا پایان سال 1394 مورد معامله قرارگرفته است، ضمن تعریف مؤلفه­های تکنیکال و بنیادی متعدد، با به‌کارگیری فرآیند ...

این تحقیق به پیش بینی پذیری رفتار بازده سهام در بورس اوراق بهادار بوسیله مدل خطی عاملی و شبکه های عصبی مصنوعی می پردازد. جهت آزمون این مساله، قیمت روزانه سهام شرکت توسعه صنایع بهشهر به عنوان نمونه انتخاب شده است. متغیرهای مستقل (ورودی های) تحقیق، پنج متغیر کلان اقتصادی، یعنی شاخص کل قیمت بورس تهران، نرخ ارز (دلار) در بازار آزاد، قیمت نفت، قیمت طلا می باشد. برای برازش مدل عاملی از رگرسیون خطی چن...