تبدیل موجک یکی از روش­های نوین و بسیار موثر در زمینه تحلیل سیگنال­ها و سری­های زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، داده­های حاصل به­عنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی برای پیش­بینی خشکسالی ارائه می­گردد. در این تحقیق، از شبکه­های عصبی مصنوعی پرسپترون چند لایه (MLP) و تابع پایه‌ای شعاعی ((RBF، سری زمانی AR...

نوسانات فرکانس پایین در سیستم قدرت یک پدیده اجتناب ناپذیر بوده و میراسازی این نوسانات نیز امری ضروری و اجتناب ناپذیراست. جهت میراسازی این نوسانات، پایدارسازهای مختلفی ارائه شده است. از آن جا که رفتار دینامیکی سیستم قدرت، شدیدا غیر خطی و متغیر با زمان است، استفاده از پایدارساز های کلاسیک عملکرد مطلوبی به همراه نخواهد داشت. از طرفی عملکرد مناسب پایدارسازهای تطبیقی عصبی به علت انعطاف پذیری بالا در...

در کار حاضر رویکردی جدید بر مسأله استخراج ویژگی از پاسخ های یک حسگر گاز مقاومتی تحت مدولاسیون دمایی ارائه می شود. پاسخ های یک حسگر گاز که توسط شکل موج پلکانی ولتاژ گرمکن تحریک می شود با استفاده از شبکه های فازی عصبی مدل می شود. شکل موج پلکانی شامل پنج پله هر یک با مدت دوام s 20 است که سبب افزایش دمای سطح حساس حسگر تا oc330 می شود. دوازده گاز شامل هشت بخار الکل، سه بخار کتون و هیدروژن، هر یک در ...

افزایش دقت براورد داده­های مفقود بارش روزانه، بویژه در حوضه­های بزرگ آبخیز با شبکه باران سنجی غیر متراکم، یکی از چالشهای آبشناسها می­باشد. در این مطالعه، شش شبیه شبکه عصبی مصنوعی به نامهای mlp، tlfn، rbf، rnn، tdrnn وcfnn با روشهای مختلف اعتبار سنجی برای تکمیل داده­های مفقود بارش روزانه در مقایسه با روشهای زمین آمار کریجینگ و کوکریجینگ با شبیه­های مختلف مورد بررسی قرار گرفته اند. برای ارزیابی د...

پیش بینی سرعت باد در مواردی همچون کنترل توربین های بادی، برنامه ریزی جهت قطع و وصل توربین¬های بادی و تضمین عملکرد پایدار سیستم توزیع می¬تواند حائز اهمیت باشد که به طور کلاسیک به روش¬های متعددی صورت می¬گیرد. در این پایان نامه ارائه روشی صرفاً بر اساس آنالیز داده¬های اندازه¬گیری شده قبلی مدنظر می¬باشد. به این منظور ضمن بررسی آشوبناک بودن داده¬های سرعت باد، با ترکیب مفاهیم مربوط به نظریه آشوب و تکن...

امروزه تشریح الگوهای پراکندگی حشرات با استفاده از روش­های درون‌یابی و برآورد تراکم به‌منظور بررسی امکان مدیریت و کنترل متناسب با مکان آن‌ها مورد توجه بسیاری از محققان قرار گرفته است. این پژوهش به‌منظور ارزیابی قابلیت الگوریتم­های مختلف شبکۀ عصبی پرسپترون چندلایه‌ای (MLP) در درون‌یابی و برآورد جمعیت سفید­ بالک پنبه در نقاط نمونه­برداری نشده و نیز ترسیم نقشۀ پراکنش آن انجام شد. برای ارزیابی قابلی...

مناطق مختلف، استعدادهای متفاوتی در انتشار گردوغبار دارند و افزایش طوفان‌های گردوغبار نشان‌دهنده حاکمیت اکوسیستم بیابانی در هر منطقه است. درک صحیح وقوع طوفان‌های گردوغبار در هر منطقه، به مدیریت و کاهش خسارت‌های حاصل از گردوغبار کمک شایانی می‌کند. هدف از این تحقیق پیش‌بینی فراوانی روزهای همراه با طوفان‌های گردوغبار (FDSD) در مقیاس زمانی فصلی است. بدین منظور، با استفاده از داده‌های سینوپ ساعتی و ک...

در این تحقیق قابلیت مدل شبکه عصبی در پیش­بینی پراکنش مکانی گونه­های گیاهی ارزیابی شده است. با توجه به هدف، اطلاعات پوشش گیاهی و عوامل رویشگاهی شامل اقلیم، خاک، پستی و بلندی و زمین­شناسی جمع­آوری شد. برای نمونه­برداری از پوشش گیاهی در هر تیپ رویشی، 3 ترانسکت150 متری مستقر و در هر ترانسکت 15 پلات با فواصل 10 متر (به روش تصادفی-سیستماتیک) مستقر شد. برای تجزیه و تحلیل اطلاعات و ارائه نقشه عوامل محی...

برای برآورد دبی روزانه در مدل‏های هیدرولوژی نیاز به دبی‏های پیوسته در بازه زمانی روزانه هست. تعداد سال‏های آماری متفاوت، نواقص آماری و خطای اندازه‏گیری باعث ایجاد سری‏های زمانی با پایه زمانی غیرمشترک می‏گردد. بنابراین بازسازی داده‏های دبی روزانه از اهمیت ویژه‏ای برخوردار است. این تحقیق به‌منظور بازسازی دبی روزانه در یکی از سرشاخه‏های رودخانه کارون و در دو مرحله انجام گرفت. در هر دو مرحله تحقیق ...

تخمین صحیح میزان رسوب معلق حمل شده توسط یک رودخانه برای بسیاری از پروژه های منابع آب دارای اهمیت است.همچنین پیش بینی میزان بار رسوب رودخانه نیز موضوعی مهم در مهندسی هیدرولیک است. درتحقیق پیش رو، عملکرد دو نوع از شبکه های عصبی مصنوعی از جمله شبکه mlp و rbf جهت پیش بینی مورد ارزیابی قرار می گیرد وسپس یکبارباهم و یکبار بامنحنی سنجه رسوب مقایسه می شوند. به همین جهت از دبی آب و دبی رسوب رودخانه زای...