هدف از این تحقیق پیش­بینی ضریب تبدیل شلتوک به برنج سفید در خشک‌کردن به روش بستر ثابت به کمک شبکه‌های عصبی مصنوعی است.  چند پارامتر در عملکرد خشک‌کن‌های بستر ثابت مؤثرند که به عنوان متغیرهای مستقل برای شبکة عصبی مصنوعی در نظر گرفته شده­اند.  این متغیرها عبارت­اند از رطوبت نسبی هوای محیط، دمای هوای محیط، سرعت هوای ورودی، عمق بستر شلتوک، دمای هوای ورودی، رطوبت اولیه و رطوبت نهایی.  برای ایجاد الگو...

در سال های اخیر، شبکه های عصبی مصنوعی کاربرد های بسیار زیادی در علوم مختلف مهندسی، از جمله مهندسی عمران پیدا نموده است. در این مقاله از دو نوع شبکة عصبی مصنوعی با سه ساختار مختلف، برای پیش بینی مقاومت فشاری بتن استفاده شده است. در این مطالعه، نوع جدیدی از شبکه های عصبی مصنوعی، به نام شبکة عصبیِ بازگشتی المان (elman networks recurrent ) معرفی شده و مقاومت نمونه های بتنی با استفاده از این شبکه ها ...

هدف از انجام این تحقیق مقایسة کارایی مدل های رگرسیون چند متغیره و شبکة عصبی مصنوعی (ann) جهت پیش بینی مقدار فعالیت آنزیم های آنتی اکسیدان سوپراکسید دیسموتاز (sod)، کاتالاز (cat)، آسکوربات پراکسیداز (apx) و پراکسیداز (pox) در شاخسارة گندم (triticumaestivum) رقم الوند در خاک آلوده به کادمیم بود. تیمارهای آزمایش شامل چهار سطح کادمیم (صفر (شاهد)، 25، 50 و 100 میلی گرم کادمیم در کیلوگرم خاک) بود. پس...

خشک سالی پدیده ای است که برای پیش بینی آن نمی توان از مدل مشخصی استفاده کرد. بر این اساس، محققان تلاش می کنند با استفاده از مدل های پیشرفته دقت پیش بینی ها را افزایش دهند. در این زمینه، مدل های استوکاستیک خطی، شبکة عصبی مصنوعی، و مدل های هیبرید می توانند در دقت پیش بینی مفید باشند. تحقیق حاضر به بررسی کارایی مدل های اتورگرسیو میانگین متحرک تجمعی (arima)، شبکة عصبی مصنوعی مستقیم (dmsnn)، شبکة عص...

پیش‌بینی صحیح رشد اقتصادی در سیاست‌گذاری‌ها و برنامه‌ریزی‌های بلندمدت توسعة پایدار نقشی مهم را ایفا می‌کند. یکی از مسائل مهم در پیش‌بینی سری‌های زمانی استفاده از روش‌هایی برای شناسایی الگوهای زمانی با هدف کنترل پیچیدگی‌ها و بهینه‌سازی خطای حاصل از پیش‌بینی است. در این پژوهش، تحلیل سری‌های زمانی تولید ناخالص داخلی به‌صورت غیرخطی به‌منظور پیش‌بینی مسیر حرکت رشد اقتصادی به‌کمک روش شبکة عصبی مصنوعی...

هدف از انجام این تحقیق مقایسة کارایی مدل‌های رگرسیون چند‌متغیره و شبکة عصبی مصنوعی (ANN) جهت پیش‌بینی مقدار فعالیت آنزیم‌های آنتی‌اکسیدان سوپراکسید دیسموتاز (SOD)، کاتالاز (CAT)، آسکوربات پراکسیداز (APX) و پراکسیداز (POX) در شاخسارة گندم (Triticumaestivum) رقم الوند در خاک آلوده به کادمیم بود. تیمارهای آزمایش شامل چهار سطح کادمیم (صفر (شاهد)، 25، 50 و 100 میلی‌گرم کادمیم در کیلوگرم خاک) بود. پس...

برآورد تولید تجهیزات جنگلی بخش مهمی از مدیریت هزینه‌ها در یک واحد جنگلداری است که با کاهش هزینه‌های عملیات همراه است. به عبارت دیگر، هزینه‌‌های بالای سرمایه‌گذاری در بهره‌برداری از جنگل دلیل خوبی برای تحقیقات مهندسی جنگل و همچنین مدل‌سازی زمان است. در این مطالعه از یکی از زیرمجموعه‌‌های هوش مصنوعی، که شبکه‌های عصبی مصنوعی نامیده می‌شود، به منظور مدل‌سازی زمان وینچینگ Timber Jack 450C، در جنگل‌ه...

پیش‌بینی کمیت تولید، نقشی اساسی در بهینه‌سازی و برنامه‌ریزی سیستم مدیریت مواد زاید جامد شهری دارد. اما به دلیل طبیعت ناهمگون و تأثیر عوامل متنوع و خارج از کنترل بر تولید، همواره با مشکلات زیادی همراه بوده است. شبکة عصبی مصنوعی اخیراً در بسیاری از کاربردهای مهندسی نظیر مهندسی محیط زیست به عنوان ابزاری قدرتمند در مدلسازی مورد توجه قرار گرفته است. در این تحقیق با توجه به دینامیک و پیچیده بودن سیستم...

در این مطالعه به منظور مدل‌سازی رفتار تصفیه‌‌خانة فاضلاب از شبکة عصبی مصنوعی استفاده شد. بدین منظور با مبنا قراردادن اندازه‌گیری‌های مشخصه‌های کیفی در ورودی تصفیه‌خانه، مقدار متناظر مشخصه‌های فوق در خروجی تصفیه‌خانه پیش‌بینی شد. داده‌های ورودی شبکة عصبی شامل مشخصه‌های دما (T)، اکسیژن مورد نیاز بیوشیمیایی (BOD)، اکسیژن مورد نیاز شیمیایی (COD)، کل جامدات معلق (TSS)، کل جامدات (TS) و pH فاضلاب بود...

این مقاله به بررسی مقایسه‌ای توان شبکه‌های عصبی مصنوعی و سری‌های زمانی خودبازگشت در پیش‌بینی ایستای نرخ تورّم ایران می‌پردازد. در یک بررسی، با استفاده از 37 سال داده‌های تاریخی نرخ تورّم ایران، مدل‌ شبکة عصبی مصنوعی در پیش‌بینی آیندة نزدیک در مقایسه با سری‌های زمانی خودبازگشت، به‎طور متوسط از عملکرد بهتری برخوردار است. در این بررسی، مزایای روش توقّف زودهنگام در مرحلة یادگیری شبکة عصبی برای پیش‌بین...