پدیده ی فرسایش و انتقال رسوب یکی از پیچیده ترین مسایل هیدرودینامیک (آب پویایی ) می باشد که در مطالعه ی طرحهای آبی از اهمیتی بسیار برخوردار است. با توجه به این که شبکه های عصبی مصنوعی از دو ویژگی اساسی یادگیری یا نگاشت پذیری بر اساس ارایه ی داده های تجربی (قدرت و توانایی تعمیم پذیری) و ساختارپذیری موازی برخوردارند، یکی از مهم ترین روش های هوش مصنوعی می باشند که در آن با الهام گیری از مغز انسان، ...

در این مقاله از یک شبکه عصبی مصنوعی پرسپترون 3 لایه با 5 نرون در لایه مخفی جهت مدلسازی مقدار محتوای الکترون لایه یونوسفر (tec) استفاده شده است. بدین منظور از 25 ایستگاه gps شبکه ژئودینامیک کشور ایران در محدوده عرض جغرافیایی 24 الی 40 درجه و طول جغرافیایی 44 الی 64 درجه استفاده گردیده است. ارزیابی نتایج بدست آمده از شبکه عصبی مصنوعی مدلسازی شده برای این منطقه توسط 1 ایستگاه تست gps که مقادیر محت...

مدل سازی فضایی تخلخل و تراوایی با استفاده از داده های متعدد چاه دارای اهمیت بسیار مهمی در مطالعات اکتشاف و تولید نفت و گاز است. اهمیت هر مدل سازی اصولاً به روش/روش های استفاده شده برای مدل سازی بستگی دارد. در مطالعه حاضر از روش شبکه های عصبی مصنوعیِ پس انتشار خطا برای تخمین مقادیر تخلخل و تراوایی بخش های مختلف سازند ایلام در یکی از میادین نفتی حوضه زاگرس استفاده شده است. نمودارهای چاه نگاری تخلخل...

پیش بینی بار کوتاه مدت نقش بسیار مهمی در برنامه ریزی، بهره برداری و کنترل سیستم های قدرت دارد. پیش بینی بار دقیق، باعث بهبود تصمیم گیری های عملیاتی در مورد برنامه ریزی تعمیرات و نگهداری، تخصیص ذخیره مطمئن، برنامه ریزی ورود و خروج واحدها، توزیع اقتصادی و ... می شود. پیش بینی دقیق بار کوتاه مدت با توجه به عوامل متعدد موثر بر بار، از قبیل شرایط آب و هوایی، تغییرات دوره ای روزانه، هفتگی، فصلی و عوا...

شبکه ی عصبی تپشی نوع خاصی از شبکه های عصبی می باشد که داده های ورودی و خروجی آن از جنس زمان است. این شبکه ها برای مدل سازی دقیـق تر نرون های واقعی و رفتار آن ها ایجاد شده اند. در این پژوهش مسئله ی یادگیری در شبکه های عصبی تپشی مورد بررسی قرار گرفته است. نرخ همگرایی پایین و نیز کندی سرعت یادگیری از جمله مشکلاتی است که تاکنون شبکه های عصبی تپشی با آن مواجه بوده است؛ این در حالی است که به دلیل وجو...

در شبکه های عصبی مصنوعی (ann) روش های موجود آموزش و واسنجی عصبی بر اساس ساختار پرسپترون چندلایه ای می باشد، لیکن این روش ها دارای مشکلات ناشی از عدم همگرایی در روش های یادگیری، عدم ثبات اوزان شبکه در شرایطی که طیف داده های ورودی دارای انحراف معیار بزرگ بوده و بالاخره نیاز به داده و اطلاعات فراوان جهت آموزش شبکه می باشند. برای غلبه بر مشکلات فوق در این تحقیق روش جدید ترکیبی شبکه عصبی مصنوعی – به...

شبکه های عصبی از توانایی بالایی در استخراج الگوها از میان داده ها و همچنین حل مسائل پیچیده با ماهیت طبیعی برخوردار هستند. شبکه های عصبی در واقع از ساختارهای بسیار پیچیده مغز انسان الهام گرفته شده است. هدف این پژوهش، بهینه کردن ساختار شبکه مورد استفاده و ارائه روند بهینه سازی ساختاری آن برای تهیه نقشه های پتانسیل معدنی و همچنین شناسایی بهتر مکان-های مناسب حفاری کانسار مس علی آباد یزد است. منطقه ...

معمولاً شرایط کاری یک سیستم قدرت، با آنچه در مرحله طراحی سیستم فرض شده است متفاوت است. اما در عمل یک سیستم قدرت باید در هر لحظه از زمان دارای پایداری کافی باشد و شرایط حالت مانای سیستم را برآورده سازد و همچنین در برابر پیش آمده های اضطراری محتمل، امن باشد. با افزایش بارگذاری سیستم های قدرت، در سال های اخیر مسئله ناپایداری ولتاژ بیش از گذشته مورد توجه قرار محققان و طراحان سیستم قرار گرفته است و ب...

رسوبات حمل شده توسط رودخانه می تواند باعث بوجود آمدن خساراتی به اراضی کشاورزی و تأسیسات آبی گردد. برآورد صحیح بار رسوب در تأسیسات آبی مانند سدها باعث جلوگیری از صرف هزینه های اضافی خواهد شد. کشور ما ایران با دارا بودن رودخانه های متعدد، پتانسیل بالایی جهت ایجاد سد دارد. یکی از دلایل آن کاهش یافتن ظرفیت انتقال آب توسط مقطع رودخانه به دلیل انباشتگی رسوبات می باشد. لذا بررسی پدیده رسوب و برآورد رس...

در این پژوهش، از مدل های تجربی و شبکه های عصبی مصنوعی برای پیش بینی محتوای رطوبت تعادلی بذر و مغز آفتابگردان استفاده شد. چهار مدل ریاضی هندرسون اصلاح شده، چانگ-پی فاست، هالسی و گب برای این منظور بکار رفت. دو نوع شبکه پس انتشار (پیشرو و پیشخور) مورد آزمون قرار گرفت. به منظور آموزش الگوهای ورودی، الگوریتم یادگیری لونبرگ-مارکوارت مورد استفاده قرار گرفت. محدوده های دما و رطوبت نسبی به ترتیب بین 25 ...