با توجه به عدم امکان ذخیره انرژی­الکتریکی ، شناسایی عوامل­موثر بر تقاضای این حامل انرژی و پیش­بینی دقیق روند آتی آن، ضرورت دارد . تاکنون روش­های مختلفی در این زمینه مورد استفاده قرار گرفته است که در میان آن­ها روش­های هوشمند و به­ویژه روش­های فازی، دارای قابلیت­های بیشتری هستند. در مطالعه حاضر از سیستم ­ استنتاج عصبی- فازی ترکیب شده با الگوریتم انبوه­ذرات ( PSO  -ANFIS ) استفاده شده و پس ازشب...

این مقاله به بررسی کاربرد سیستمهای فازی tsk مرتبه بالا در مدلسازی رفتار سلول های فوتوولتاییک می پردازد. در این مقاله روشی برای آموزش سیستم های فازی tsk مرتبه دو با متد یادگیری anfis (سیستم استنتاج فازی عصبی مصنوعی) ارائه شده است. واضح است که سیستم های فازی tsk مرتبه بالا تقریبگرهای دقیقتری هستند زیرا با در نظر گرفتن تعداد قواعد یکسان و تعداد توابع تعلق ورودی یکسان نسبت به سیستم های مرتبه صفر و ...

دمای بحرانی، دمایی است که در بالای آن دما هر چه فشار وارد بر یک گاز را افزایش دهیم تبدیل به مایع نمی شود. در این پروژه از سیستم استنتاج فازی- عصبی تطبیقی (anfis) برای پیشگویی دمای بحرانی 165 ترکیب آلی استفاده شد. ابتدا ساختار ترکیبات در نرم افزار hyper chem رسم و با روش نیمه تجربی am1 بهینه شدند، سپس با استفاده از نرم افزار dragon، 1497 توصیف کننده محاسبه شد. از روش مرحله ای به عنوان روش انتخاب...

تخمین ضریب اصطکاک در لوله ها در بسیاری از مسائل مهندسی آب و فاضلاب، مانند توزیع سرعت و تنش برشی، فرسایش، انتقال رسوب و افت هد، اهمیت ویژه ای دارد. در تحلیل این گونه مسائل با دانستن ضریب اصطکاک، می توان تخمین دقیق تری از آنها به دست آورد. در این تحقیق به منظور تخمین ضریب اصطکاک در لوله ها با استفاده از سیستم تطبیقی استنتاج فازی- عصبی، روش افراز شبکه ای مورد استفاده قرار گرفت. برای آموزش و تست مد...

امروزه، با توجه به مطرح بودن بحث بهینه سازی مصرف انرژی، و با در نظر گرفتن این نکته که بخش بزرگی از مصرف انرژی در ساختمان به مقوله ی گرمایش مربوط می شود، در این پایان نامه تلاش می شود با استفاده از سیستم کنترل فازی عصبی تطبیقی ) - anfis ( عملکرد سیستم هواساز را بهبود داده و جریان هوا را بگونه ای کنترل نمود تا علاوه بر برقراری آسایش حرارتی، در مصرف انرژی هم صرفه جویی صورت گیرد. این کنترل کنند...

با توجه به عدم امکان ذخیره انرژی­الکتریکی ، شناسایی عوامل­موثر بر تقاضای این حامل انرژی و پیش­بینی دقیق روند آتی آن، ضرورت دارد . تاکنون روش­های مختلفی در این زمینه مورد استفاده قرار گرفته است که در میان آن­ها روش­های هوشمند و به­ویژه روش­های فازی، دارای قابلیت­های بیشتری هستند. در مطالعه حاضر از سیستم ­ استنتاج عصبی- فازی ترکیب شده با الگوریتم انبوه­ذرات ( pso  -anfis ) استفاده شده و پس ازشبیه...

پیش‌بینی سری‌های زمانی، مخصوصاً سری‌های زمانی آشوبیِ سیستم‌های پویای غیر‌خطی، یکی از زمینه‌های مهم تحقیقاتی است و کاربرد زیادی در زمینه‌های گوناگون دارد. از میان روش‌های معرفی‌شده برای پیش‌بینی سری‌های زمانی آشوبناک، به استفاده از شبکه‌های عصبی و سیستم‌های فازی بیشتر توجه شده است. در این مقاله، سیستم استنتاج عصبی - فازی تطبیقیِ بهبودیافته، برای پیش‌بینی سری‌های زمانی آشوبناک پیشنهاد شده است. با تو...

مدل­سازی فرآیند بارش - رواناب و پیش­بینی دبی رودخانه یک اقدام مهم در مدیریت و مهار سیلاب­ها، طراحی سازه­های آبی در حوزه­های آبخیز و مدیریت خشکسالی است. هدف این تحقیق شبیه­سازی جریان روزانه در حوزه آبخیز کسیلیان با استفاده از شبکه عصبی مصنوعی و شبکه عصبی- فازی تطبیقی است. روش­های هوشمند دارای قابلیت بالایی برای برقراری ارتباط بین داده­های ورودی و خروجی می­باشند. در این تحقیق از آمار بارش، تبخیر ...

در این پروژه تعیین هوشمندانه و اتوماتیک قوانین و پارامترهای مناسب یک سیستم فازی حذف نویز تصاویر با دو روش ترکیبی فازی-عصبی و فازی-ژنتیک مورد بررسی قرار گرفت و دو فیلتر نوین حذف نویز ارائه گردید. بکارگیری سیستم های فازی، فازی-عصبی و الگوریتم ژنتیک قبلاً برای حذف نویز تصویر مورد توجه پژوهشگران بوده است. لزوم و اهمیت انجام این تحقیق نیاز به روش های جدید حذف نویز با حفظ جزئیات تصویر اولیه بوده است. ...