نتایج جستجو برای: مدل anfis

تعداد نتایج: 122676  

امروزه پایش و پردازش اطلاعات کیفی رودخانه با استفاده از روش‌های آزمایشگاهی با صرف وقت و هزینه زیاد همراه است. از این رو استفاده از روش‌های نوین برای کاهش این هزینه‌ها می‌تواند کمک شایانی در مدیریت کیفی رودخانه‌ها داشته باشد. استفاده ترکیبی از مدل‌های هوش مصنوعی و سنجش از دور از جمله روش‌های کارآمد برای رسیدن به این هدف است. در این تحقیق به­منظور برآورد EC<stron...

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده برق و کامپیوتر 1389

در دهه های اخیر فناوری هوا فضا پیشرفت های شگرفی داشته که باعث به وجود آمدن بستر مناسبی برای طراحی، ساخت و کنترل وسایل ترابری هوایی مانند هواپیما ها و هلیکوپتر شده است. با توجه به نقش اساسی کنترل کننده ها در این زمینه و دشواری پیاده سازی آن ها روی سیستم های اصلی، مدل های آزمایشگاهی نظیر trms (که مدل آزمایشگاهی هلیکوپتر با دو درجه آزادی است) ساخته شده و در اختیار محققین قرار گرفته تا بدین وسیله ب...

ژورنال: :پژوهش های تجربی در مهندسی عمران 0
محمد تقی ستاری استادیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز فرزین سلماسی دانشیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز غلامرضا ترکمان دانش آموخته کارشناسی ارشد، سازه های هیدرولیکی، دانشگاه آزاد اسلامی واحد اهر

در این تحقیق برای ارزیابی عملکرد روش سیستم استنتاج فازی- عصبی تلفیقی (anfis) و مدل درختی m5 در مدل­سازی ضریب دبی جریان سرریز کرامپ از داده های آزمایشگاهی استفاده گردید. نتایج 174 دسته داده حاصل از آزمایش انجام گرفته با مدل فیزیکی، در 16 سناریو با ترکیب پارامترهای ورودی مختلف و با استفاده از مدل درختی m5 و روش anfisجهت برآورد ضریب دبی جریان سرریز کرامپ به عنوان پارامتر خروجی مورد استفاده قرار گر...

2013
U. J. Na T. W. Park M. Q. Feng L. Chung

The application of the neuro-fuzzy inference system to predict the compressive strength of concrete is presented in this study. The adaptive neuro-fuzzy inference system (ANFIS) is introduced for training and testing the data sets consisting of various parameters. To investigate the influence of various parameters which affect the compressive strength, 1551 data pairs are collected from the tec...

2013
Surya Prakash

This paper deals with the application of artificial neural network (ANN) and fuzzy based Adaptive Neuro Fuzzy Inference System(ANFIS) approach to Load Frequency Control (LFC) of multi unequal area hydro-thermal interconnected power system. The proposed ANFIS controller combines the advantages of fuzzy controller as well as quick response and adaptability nature of ANN. Area-1 and area-2 consist...

2004
A. JALALI

The presented control scheme utilizes Adaptive Neuro Fuzzy Inference System (ANFIS) controller to track a reference engine rotational speed and disturbance rejection during engine idling. To evaluate the performance of the controller a model of the engine is simulated and simulation results presented. ANFIS implements a first order Sugeno-style fuzzy system. It is a method for tuning an existin...

ژورنال: جغرافیا و توسعه 2015
سحر صدرافشاری علی‌محمد خورشیددوست مهدی فیض‌اله‌پور

حوضه‌های جنوب شرقی دریاچه ارومیه به علت برخورداری از شرایط هیدرولوژیکی و لیتولوژیکی خواص، از میزان بالای تولید رسوب برخوردارند. با توجه به این نکته در این تحقیق برای تخمین بار معلق رسوبی روزانه از سیستم استنتاجی فازی عصبی([1]ANFIS) بهره گرفته شده است. به این منظور داده‌های دبی روزانه و بار معلق رسوبی365 روز سال 1386 و 1387 ایستگاه رسوبی واقع در رودخانه زرینه رود برای تعلیم و آزمودن مدل‌های شبکه...

2011
Murad Shibli

This paper presents an adaptive neural fuzzy inference system (ANFIS) approach to predict the location, occurrence time and the magnitude of earthquakes. The analysis conducted in this paper is based on the principle of conservation of energy and momentum of annual earthquakes which has been validated by analyzing data obtained from United Sates Geographical Survey (USGS). This principle shall ...

Journal: :Expert Syst. Appl. 2013
Ebru Akcapinar Sezer Biswajeet Pradhan Candan Gokceoglu

This note is to point out and correct an error in Sezer et al. (2011). &#304;n the paper (Sezer et al. 2011), the authors mention “ANFIS model has not been used for landslide susceptibility mapping previously”. This statement must be corrected as “The ANFIS model has been applied in landslide susceptibility mapping previously by Pradhan, Sezer, Gokceoglu, and Buchroithner (2010) in a different ...

2006
ABDULKADIR CÜNEYT AYDIN AHMET TORTUM MURAT YAVUZ

The prediction of elastic modulus is one of the fundamental facts of structural engineering studies. The performance of adaptive neuro-fuzzy inference system (ANFIS) for predicting the elastic modulus of normaland high-strength concrete was investigated. Results indicate that the proposed ANFIS modeling approach outperforms the other given models in terms of prediction capability. According to ...

نمودار تعداد نتایج جستجو در هر سال

با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید