پیش­­بینی دقیق جریان روزانه، نقش به­سزایی در مدیریت کارآمد منابع آب ایفا می­کند. به این منظور در این تحقیق سعی شده است که جهت مدل­سازی هرچه دقیق­تر فرآیند پیش‌بینی جریان روزانه رودخانه نوران­چای واقع در حوضه آتشگاه، از شبکه­های عصبی مصنوعی (ANN) استفاده ­گردد. همچنین به‌منظور افزایش کارآیی ANN از تجزیه مؤلفه‌های اصلی (PCA) جهت پیش‌پردازش داده­های ورودی استفاده گردیده و درنهایت داده­های خروجی حا...

انرژی برق‌آبی یکی از مهم‌ترین شیوه‌های تأمین انرژی در ساعت‌های اوج مصرف است. تجدید ساختار در صنعت برق باعث ایجاد رقابت در بین عرضه-کنندگان برق کشور شده است. به‌منظور افزایش سود سرمایه‌گذاری و بهره‌برداری بهتر از منابع، تخمین قیمت آینده برق از اهمیت ویژه‌ای نزد تولیدکنندگان برخوردار است. شبکه‌های عصبی مصنوعی (ANN)، به‌عنوان یکی از مهم‌ترین روش‌های هوش مصنوعی، کاربردهای فراوانی در تخمین و پیش‌بین...

سابقه و هدف: مدل‌سازی بارش-رواناب یک فرآیند ضروری و پیچیده می‌باشد که در بهره‌برداری مناسب از مخازن و مدیریت و برنامه ریزی صحیح منابع آب نقش عمده‌ای دارد. مدل‌سازی این فرآیند با استفاده از روش‌های مختلفی امکانپذیر است. ازنظر تئوری، در مدل‌سازی یک سیستم می‌بایست روابط صریح بین متغیرهای ورودی و خروجی معلوم باشند. در حالیکه به علت معلوم نبودن روابط صریح بین متغیرها و عدم قطعیت‌های ذاتی آن‌ها، استخ...

زمینه و هدف : دیابت و فشار خون از جمله بیماریهای غیر واگیر هستند که شیوع آنها برای مسئولان بهداشتی کشور بسیار مهم می باشند. هدف این مطالعه مقایسه مدل رگرسیون لجستیک ( lr ) دو متغیره با شبکه های عصبی مصنوعی ( artificial neural networks=ann ) در پیش بینی هم‏زمان رخداد بیماری فشارخون ودیابت می‏باشد.   روش‏ کار : این مطالعه تحلیلی- مقطعی در سال 1392-1391 در تهران با نمونه ای 12000 نفر از بالغین انج...

یک مطالعه ارتباط کمی ساختار-خاصیت بر روی شاخص های بازداری(ri) ترکیبات آلی انجام شد. استراتژی رگرسیون مرحله ای برای انتخاب توصیف کننده به کار گرفته شد. مدل سازی جهت ارتباط میان توصیف کننده های مولکولی انتخاب شده و شاخص های بازداری داده ها از طریق روش های خطی(رگرسیون خطی چندگانه؛ mlr) و غیر خطی (شبکه عصبی مصنوعی؛ ann) مورد بررسی قرار گرفته است. مدل های qspr به وسیله تکنیک توقف زود هنگام اعتبار سن...

در این پروژه، مطالعات ارتباط کمی ساختار- فعالیت ((qsar بر روی ثابت بازداری (ki) 77 ترکیب دارویی از مشتقات پایپرازینیل گلوتامات پیریدین که به عنوان ترکیبات ضد لخته شدن خون عمل می کنند، انجام شد. برای انتخاب مهمترین توصیف کننده ها رگرسیون خطی مرحله ای مورد استفاده قرار گرفت، سپس توصیف کننده های مهم به عنوان ورودی برای ایجاد مدل های qsar با استفاده از رگرسیون خطی چندگانه (mlr)و شبکه عصبی مصنوعی (a...

در قسمت اول این تحقیق، مطالعات ارتباط کمی ساختار- خاصیت (qspr) بر روی شاخص بازداری 60 ترکیب آلی فرار (vocs) انجام گرفت. دو روش برازش مرحله ای (sr) و الگوریتم ژنتیک (ga) برای انتخاب توصیف کننده های مناسب استفاده شد. توصیف کننده های انتخاب شده از این دو روش برای مدل سازی و پیش بینی شاخص بازداری این ترکیبات وارد شبکه عصبی مصنوعی (ann) شدند. به منظور بررسی اعتبار این مدل ها از روش های مختلفی مانند ...

در پژوهش حاضر، مدلی هیبریدی بر مبنای روش­های غیرخطی شامل رگرسیون تطبیقی چندگانه اسپلاین (MARS)، شبکه‌عصبی مصنوعی (ANN) و K نزدیکترین همسایه (KNN) به منظور ریز­مقیاس­نمایی و پیش­بینی بارش ایستگاه‌های شهرکرد، بارز و یاسوج تحت شرایط تغییر اقلیم معرفی شده است. مدل هیبریدی ارائه شده، مانند مدل ریز­مقیاس‌نمایی SDSM، از دو گام طبقه­بندی و رگرسیون تشکیل شده است. مدل MARS برای طبقه­بندی وقوع بارش و الگو...

پیش بینی دقیق ضریب انتشار طولی در رودخانه های طبیعی تا حد بسیار زیادی در تعیین توزیع غلظت آلاینده ها در چنین محیط هایی مؤثر است. عدم قطعیت موجود در نتایج به دست آمده از مدل های پیش بینی می تواند در تصمیم گیری های مناسب برای برخورد با مواد آلاینده در رودخانه ها تأثیر منفی داشته باشد. به همین دلیل، تحلیل و تعیین عدم قطعیت مدل های مورد استفاده برای پیش بینی این پارامتر بسیار مفید است. در این تحقیق...