یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدل سازی سیستم هایی که دارای پیچیدگی زیاد یا عدم صراحت بوده و یا داده های کافی از آنها موجود نیست، استفاده از تئوری مجموعه های فازی و شبکه عصبی مصنوعی می باشد. مزیت اصلی این تکنیک ها نسبت به روش های رایج این است که در مدت زمان نسبتاً کوتاهی قادر به بررسی تأثیر انواع پارامترهای در دسترس، بر فرآیند مورد بررسی می باشند بدون آنکه در هر مرتبه نیاز به یافتن...

در این مقاله با استفاده از سیستم استنباط فازی  و شبکه‌های عصبی مصنوعی پیش‌بینی بارش در بازه زمانی دسامبر تا می در منطقه خراسان بزرگ شامل سه استان خراسان رضوی، خراسان شمالی و خراسان جنوبی ارائه شده است. این روش شامل سه گام می‌باشد. در گام اول، ارتباط بین تغییرات الگوهای سینوپتیکی شامل فشار سطح دریا، اختلاف فشارسطح دریا، دمای سطح دریا، اختلاف دمای سطح دریا و سطح 1000 میلی باری، دمای سطح 850 هکتوپ...

اندازه­گیری مستقیم ویژگی‌های هیدرولیکی خاک وقت­گیر و پر هزینه است اما می‌توان این ویژگی‌هارا با بهره­گیری از داده­ های زودیاف مثل بافت خاک، جرم مخصوص ظاهری و با استفاده از روش‌هایی چون توابع انتقالی و سیستم استنتاج فازی- عصبی نیز به دست آورد. در این تحقیق برای برآورد هدایت هیدرولیکی اشباع خاک، ازمدلشبکۀ عصبی مصنوعی و سیستم­استنتاجفازی-عصبیاستفاده شد. ورودی­های مدل، شامل درصد رس، سیلت و شن بود. ...

در این مقاله از سیستم استنتاج فازی (FIS) جهت مدل‌سازی میدان جابه‌جایی سطحی پوسته زمین در منطقه ایران استفاده شده است. سیستم استنتاج فازی سیستمی است که از پایگاه قواعد اگر-آنگاه فازی برای شناخت ویژگی‌های پدیده مورد نظر استفاده می‌کند. با توجه به اینکه این سیستم قابلیت مدل‌سازی پدیده‌های غیرخطی را داراست، در نتیجه در این مقاله از این روش جهت مدل‌سازی تغییرات سطحی پوسته زمین در فلات ایران استفاده ...

زمینه و هدف: تشخیص افتراقی مننژیت باکتریال امری پیچیده است، زیرا ویژگی های تشخیصی زیادی در آن دخالت دارد. از سوی دیگر، امروزه منطق فازی و شبکه های عصبی مبنای بسیاری از سیستم های هوشمند هستند و ظرفیت لازم را برای حل مشکلات تشخیصی این بیماری دارند. هدف این مقاله، مقایسه ی منطق فازی و شبکه های عصبی مصنوعی در افتراق مننژیت باکتریال از سایر مننژیت هاست.  روش بررسی: در این مطالعه برای تشخیص افتراقی م...

در این مطالعه، از سامانه استنتاج فازی-عصبی تطبیقی برای مدل‌سازی فرایند تصفیه فاضلاب لجن فعال پتروشیمی مبین استفاده شد. این مدل برای پیش‌بینی غلظت اکسیژن مورد نیاز شیمیایی خروجی مورد استفاده قرار گرفت و ضریب همبستگی بین پارامترهای ورودی و کیفیت جریان خروجی محاسبه شد. پارامتر ورودی با بیشترین تأثیر بر کیفیت جریان خروجی تعیین شد و بر اساس آن، سه ساختار فازی- عصبی تطبیقی مستقل با تعداد پارامترهای گ...

در این مقاله با استفاده از سیستم استنباط فازی  و شبکه های عصبی مصنوعی پیش بینی بارش در بازه زمانی دسامبر تا می در منطقه خراسان بزرگ شامل سه استان خراسان رضوی، خراسان شمالی و خراسان جنوبی ارائه شده است. این روش شامل سه گام می باشد. در گام اول، ارتباط بین تغییرات الگوهای سینوپتیکی شامل فشار سطح دریا، اختلاف فشارسطح دریا، دمای سطح دریا، اختلاف دمای سطح دریا و سطح 1000 میلی باری، دمای سطح 850 هکتوپ...

اندازه­گیری مستقیم ویژگی های هیدرولیکی خاک وقت­گیر و پر هزینه است اما می توان این ویژگی هارا با بهره­گیری از داده­ های زودیاف مثل بافت خاک، جرم مخصوص ظاهری و با استفاده از روش هایی چون توابع انتقالی و سیستم استنتاج فازی- عصبی نیز به دست آورد. در این تحقیق برای برآورد هدایت هیدرولیکی اشباع خاک، ازمدلشبکۀ عصبی مصنوعی و سیستم­استنتاجفازی-عصبیاستفاده شد. ورودی­های مدل، شامل درصد رس، سیلت و شن بود. ...

در این مطالعه، از سامانه استنتاج فازی-عصبی تطبیقی برای مدل سازی فرایند تصفیه فاضلاب لجن فعال پتروشیمی مبین استفاده شد. این مدل برای پیش بینی غلظت اکسیژن مورد نیاز شیمیایی خروجی مورد استفاده قرار گرفت و ضریب همبستگی بین پارامترهای ورودی و کیفیت جریان خروجی محاسبه شد. پارامتر ورودی با بیشترین تأثیر بر کیفیت جریان خروجی تعیین شد و بر اساس آن، سه ساختار فازی- عصبی تطبیقی مستقل با تعداد پارامترهای گ...

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 ...