اندازه­گیری دائمی دبی رودخانه­ها در ایستگاههای هیدرومتری مخصوصاً در مواقع سیلابی غالباً پر هزینه و مشکل می باشد، بدِین منظور جهت مدل­سازی رابطه دبی- اشل مدل­های ریاضی و هوشمند متعددی توسعه یافته و مورد استفاده قرار می­گیرد. در این تحقیق از سه روش شبکه­های عصبی مصنوعی ، سیستم استنتاج عصبی- فازی و برنامه ریزی ژنتیک برای مدل­سازی رابطه دبی-اشل روزانه در دو ایستگاه یامولا و سوقوتلوهان واقع در رودخانه ...

این مقاله به بررسی پیش‌بینی قیمت قرارداد آتی سکة طلا در بورس کالای ایران پرداخته است. این تحقیق مدلی ترکیبی بر اساس سیستم ژنتیک فازی (GFS) و شبکة عصبی مصنوعی (ANN) برای پیش‌بینی قرارداد آتی سکة طلا ارائه داده است. در این روش، ابتدا با استفاده از روش رگرسیون گام‌به‌گام متغیرهایی مشخص می‌شود که بیشترین تأاثیر را بر قیمت قرارداد آتی سکة طلا دارند. در گام بعدی داده‌های خام با استفاده از شبکة عصبی خ...

فرایند تبخیر- تعرق به عنوان یکی از مؤلفه‌های اصلی چرخه‌ی آب‌شناسی دارای اهمیت فراوانی در مدیریت و توسعه‌ی منابع آب، و نیز برنامه‌ریزی آبیاری می‌باشد. در تحقیق حاضر، به‌منظور براورد تبخیر-‌‌تعرق غرب و شمال غرب ایران، روش ترکیبی پنمن-مانتیث فائو-56 به‌عنوان مرجع در نظر گرفته‌شد، و دقـت چهار شبیه‌‌ مختلف داده مبنا شامل، شبکه‌ی ‌عصبی مصنوعی (ANN)، سامانه‌ی استنتاج تطبیقی فازی-عصبی (ANFIS) از دو نوع...

تخمین دبی جریان در رودخانه به دلیل تأثیر آن در مدیریت منابع آب، جلوگیری از کم آبی، خطرات سیل و همچنین حفظ محیط زیست می تواند نقش اقتصادی مهمی داشته باشد. در این تحقیق جهت پیش بینی دبی رودخانه کارون بزرگ در سه حالت بیشترین و متوسط دبی ماهیانه و همچنین دبی روزانه از دو مدل شبکه عصبی مصنوعی و سیستم فازی- عصبی استنتاجی تطبیقی واقع در جنوب غربی ایران، استفاده شده است. شبکه های عصبی انتخابی در این ...

فرایند تبخیر یکی از مولفه های اصلی چرخه آب در طبیعت است که نقش اساسی در مطالعات کشاورزی، هیدرولوژیکی و هواشناسی، بهره برداری مخازن، طراحی سیستم های آبیاری و زهکشی، زمان بندی آبیاری و مدیریت منابع آب ایفا می کند. به دلیل تأثیر متقابل پارامترهای مختلف هواشناسی در محاسبه تبخیر، روابط غیر خطی برای تخمین مقدار آن وجود دارد که از دقّت بالایی برخوردار نیستند. شبکه عصبی مصنوعی و سیستم تطبیقی از جمله روش...

با استفاده از شش متغیر کلان اقتصادی قیمت طلا، نرخ دلار آمریکا، نرخ بهره سپرده، شاخص تولیدات صنعتی، میانگین صنعت بورس، شاخص بورس به عنوان متغیر‏های مستقل در بازده زمانی(1391-1385) به مطالعه تطبیقی پیش ‏بینی بازده سهام با استفاده از روش‏ های فرا ابتکاری(سیستم استنتاج فازی-عصبی (anfis) و شبکه عصبی مصنوعی(ann)) و مقایسه آنها با روش سنتی پرداخته شد. در مدل‏سازی سیستم‏های فازی‏ عصبی از سیستم استنتاجی...

مدل‏های مفهومی بر مبنای هوش مصنوعی، اغلب برای پیش بینی‏های کوتاه مدت و میان مدت هیدورلوژیکی به کار رفته اند. در این مقاله با استفاده از مفهوم تولید مجموعه ای از پیش بینی ها1 (esp) و تفکیک مدل‏سازی برای متغیرهای اقلیمی و هیدرولوژیکی، از مدل‏های مفهومی برای پیش بینی بلندمدت حجم جریان رودخانه زاینده رود در محل ورودی به سد زاینده رود استفاده می شود. سیستم استنتاج فازی برای پیش بینی بارش فصلی به صور...

بارش یکی از مهم ترین عوامل مورد استفاده در مطالعات منابع طبیعی و منابع آب می باشد. با توجه به نوسان ها و بی نظمی های موجود در سری زمانی بارش، پیش بینی پذیری و شناخت عوامل تأثیرگذار بر فرآیند بارش دارای اهمیت است. با وجود روابط غیرخطی، عدم قطعیت و عدم صراحت زیاد و ویژگی های متغیر زمانی و مکانی در سیستم گردش آبی، هیچ یک از مدل های آماری و مفهومی پیشنهاد شده به منظور الگوسازی دقیق بارش نتوانسته ان...

نقشه‌هایپوشش/کاربریاراضیحاصلازتصاویرماهواره‌اینقشمهمیدرارزیابی‌هایمنطقه‌ایوملیپوشش/کاربریاراضیایفامی‌کنند.طیّ سال­های گذشته، کاربردهای زیادی از روش­های طبقه­بندی شبکه عصبی مصنوعی برای طبقه­بندی پوشش/کاربری اراضی در منابع گزارش شده است، اما مطالعات معدودی، مقایسه‌ی آنها با هم را ارزیابی نموده­اند. در این مطالعه، ابتدا تصحیحات هندسی بر روی داده­های+­ETM صورت گرفت. سپس با بازدیدهای میدانی، طبقات مخ...

پیش بینی بار کوتاه مدت در بهره برداری ایمن و اقتصادی از سیستم های قدرت از اهمیت خاصی برخوردار است. با توجه به اهمیت موضوع، روش های مختلفی برای پیش بینی بار کوتاه مدت استفاده شده است. در این مطالعه به بررسی پرکاربردترین روش های استفاده شده در پیش بینی بار پرداخته شده و مقایسه ای بین آن ها صورت می گیرد. این روش ها شامل روش های سری زمانی arima ، روش یافتن روز مشابه، ساختارهای مختلف شبکه های عصبی م...