در دهه ‏های اخیر شبکه ‏های عصبی مصنوعی به عنوان ابزاری موفق در تخمین و پیش ‏بینی پدیده‏ های هیدرولوژیکی به کار گرفته شده ‏اند. اگرچه استفاده از شبکه ­های عصبی مصنوعی امکان برآورد بار معلق رسوب رودخانه ­ها را با دقت و سرعت مناسب فراهم کرده است، اما دقت پیش­ بینی این مدل­ ها، به میزان زیادی تحت­ تاثیر دانش و درک کاربر از شبکه عصبی مصنوعی قرار دارد. در مطالعات منابع طبیعی و به ویژه مطالعات هیدرولو...

در این رساله هسته اصلی مباحث بر روی بهره گیری از ابزار محاسبات نرم به ویژه هوش مصنوعی، تبدیل موجک به همراه مفهوم آنتروپی برای مدلسازی کمی و کیفی منابع آب زیرزمینی با در نظر گرفتن روش خوشه بندی و اطلاع از روابط بین فرآیندهای هیدرولوژیکی (روابط بین بارش، رواناب و تراز یا کیفیت آب زیرزمینی) متمرکز شده است. به بیان دیگر مدلسازی و برآورد منابع آب زیرزمینی با مدل های مختلف خطی و غیرخطی صورت پذیرفته ا...

موضوع اصلی تحقیق عبارت است بررسی نتایج بکارگیری مدل¬های شبکه عصبی مصنوعی و گارچ در پیش¬بینی شاخص بورس اوراق بهادار تهران. اهداف اساسی این تحقیق شامل 1- پیش¬بینی نوسانات شاخص با مدل wnn-garch.¬ 2-مقایسه نتایج حاصل از تخمین با مدل wnn-garch با نتایج حاصل از تخمین واریانس ناهمسانی شرطی خودرگرسیو گارچ و همچنین با شبکه عصبی مصنوعی بدون آنالیز موجک برای رسیدن به سیستمی بهینه در پیش¬بینی با کم¬ترین خط...

در دهه های اخیر به دلیل اهمیت یافتن مسئله آب و همینطور افزایش تمایل به محاسبه مقدار رواناب حاصل از بارش، توسعه و اجرای روشهای مناسب برای پیش بینی رواناب از روی داده های بارش به مسئله ای ضروری تبدیل شده است. یکی از این روشها که در بسیاری از رشته ها از جمله هیدرولوژی توسعه یافته است، استفاده از روشهای محاسبات نرم نظیر منطق فازی و شبکه های عصبی مصنوعی است. در این تحقیق سعی گردید کارایی شبکه عصبی م...

در تحقیق حاضر، از روش تحلیل موجکی برای پیش پردازش سری‌های زمانی جریان رود استفاده شده است. با استفاده از تبدیلات پیوسته و گسسته موجکی نشانه‌ی مورد مطالعه که همان گروه زمانی جریان رود قره‌آغاج در چند ایستگاه مورد مطالعه می‌باشد، به نشانه‌های تقریب و جزییات تجزیه می‌گردند. نشانه‌ی تقریب نشان‌دهنده‌ی روند پایه جریان و نشانه‌ی اختلال در واقع نماینده بی نظمی‌ها، تغییرات و جهش‌های سریع در گروه زمانی ...

خشکسالی یک رویداد طبیعی است که می‌تواند خسارات قابل توجهی را به زندگی بشر وارد سازد. پیش‌بینی خشکسالی نقش موثری را در مدیریت منابع آب ایفا می‌کند. در این تحقیق به‌منظور پیش‌بینی خشکسالی سه مدل ترکیبی از انواع شبکه‌های عصبی و تبدیل موجک ارائه شده است و سپس با استفاده از این مدل‌ها، شاخص بارش استاندارد (SPI) برای 12 ماه آینده در ایستگاه سینوپتیک یزد پیش‌بینی گردیده است. شبکه‌های عصبی مصنوعی توانا...

آب های زیرزمینی همواره به عنوان یکی از منابع مهم و عمده تامین آب شرب و کشاورزی مطرح بوده است. مدل های قابل اطمینان جهت پیش بینی سطح آب زیرزمینی می توانند در مدیریت بهینه استفاده از منابع محدود آب زیرزمینی کمک شایانی نمایند. در این پژوهش توانایی شبکه عصبی مصنوعی و موجک و زمین آمار برای پیش بینی یک ماه آینده تراز آب زیرزمینی در نقاط مشخصی از دشت مشهد مورد ارزیابی قرار گرفته اند. دادههای مورد استف...

آب های زیرزمینی همواره به عنوان یکی از منابع مهم و عمده تامین آب شرب و کشاورزی مطرح بوده است. مدل های قابل اطمینان جهت پیش بینی سطح آب زیرزمینی می توانند در مدیریت بهینه استفاده از منابع محدود آب زیرزمینی کمک شایانی نمایند. در این پژوهش توانایی شبکه عصبی مصنوعی و موجک و زمین آمار برای پیش بینی یک ماه آینده تراز آب زیرزمینی در نقاط مشخصی از دشت مشهد مورد ارزیابی قرار گرفته اند. داده های مورد است...

در مقاله حاضر قابلیت مدل خود همبسته شبکه عصبی مصنوعی دینامیک برای پیش­بینی جریان ماهانه ورودی مخزن سد دز ارزیابی شده و نتایج  به دست آمده با مدل خودهمبسته شبکه عصبی مصنوعی استاتیک مقایسه شده است. در تحقیقات قبل مقایسه مدل‌های استاتیک و دینامیک در شبکه‌های عصبی مصنوعی صورت نگرفته است. ضمناً تحقیق حاضر از حیث خودهمبستگی مدل شبکه عصبی مصنوعی، دارای نوآوری می‌باشد. در این تحقیق آبدهی های ماهانه بین ...

موضوع شناخت و بررسی رفتار قیمت سهام، همواره یکی از موضوع‌های مهم و مورد توجه محافل علمی و سرمایه‌گذاری بوده است. اخیراً تعداد زیادی از پژوهشگران در پژوهش‌های خود بازار سهام را به عنوان یک سیستم پویای غیرخطی در نظر گرفته‌اند. در این پژوهش، تلاش شده است با استفاده از تبدیل موجک و شبکه عصبی مدلی ارایه شود که پیش بینی دقیق‌تر و با خطای کمتری از بازده شاخص بورس اوراق بهادار داشته باشد. در این مدل ترک...