به دلیل مشکلات نمونه‎برداری و عدم دقّت کافی معادلات تجربی، سنجش و گزینش مناسب‎ترین روش‎های برآورد رسوبات بار کف، اهمّیّت زیادی دارد.هدف پژوهش حاضر، مقایسة کارآیی مدل‎های آماری شبکة عصبی مصنوعی و منحنی سنجة رسوب در برآورد رسوبات بار کف است؛ بدین منظور، ابتدا 5 ایستگاه هیدرومتری دارای بیشترین تعداد نمونه انتخاب شدند؛ سپس منحنی سنجة رسوب و مدل شبکة عصبی مصنوعی با 70% داده‌های آنها ساخته و ارزیابی دقّت...

خشک سالی پدیده ای است که برای پیش بینی آن نمی توان از مدل مشخصی استفاده کرد. بر این اساس، محققان تلاش می کنند با استفاده از مدل های پیشرفته دقت پیش بینی ها را افزایش دهند. در این زمینه، مدل های استوکاستیک خطی، شبکة عصبی مصنوعی، و مدل های هیبرید می توانند در دقت پیش بینی مفید باشند. تحقیق حاضر به بررسی کارایی مدل های اتورگرسیو میانگین متحرک تجمعی (arima)، شبکة عصبی مصنوعی مستقیم (dmsnn)، شبکة عص...

خشک‌سالی پدیده‌ای است که برای پیش‌بینی آن نمی‌توان از مدل مشخصی استفاده کرد. بر این اساس، محققان تلاش می‌کنند با استفاده از مدل‌های پیشرفته دقت پیش‌بینی‌ها را افزایش دهند. در این زمینه، مدل‌های استوکاستیک خطی، شبکة عصبی مصنوعی، و مدل‌های هیبرید می‌توانند در دقت پیش‌بینی مفید باشند. تحقیق حاضر به بررسی کارایی مدل‌های اتورگرسیو میانگین متحرک تجمعی (ARIMA)، شبکة عصبی مصنوعی مستقیم (DMSNN)، شبکة عص...

هدف از انجام این تحقیق مقایسة کارایی مدل های رگرسیون چند متغیره و شبکة عصبی مصنوعی (ann) جهت پیش بینی مقدار فعالیت آنزیم های آنتی اکسیدان سوپراکسید دیسموتاز (sod)، کاتالاز (cat)، آسکوربات پراکسیداز (apx) و پراکسیداز (pox) در شاخسارة گندم (triticumaestivum) رقم الوند در خاک آلوده به کادمیم بود. تیمارهای آزمایش شامل چهار سطح کادمیم (صفر (شاهد)، 25، 50 و 100 میلی گرم کادمیم در کیلوگرم خاک) بود. پس...

هدف از انجام این تحقیق مقایسة کارایی مدل‌های رگرسیون چند‌متغیره و شبکة عصبی مصنوعی (ANN) جهت پیش‌بینی مقدار فعالیت آنزیم‌های آنتی‌اکسیدان سوپراکسید دیسموتاز (SOD)، کاتالاز (CAT)، آسکوربات پراکسیداز (APX) و پراکسیداز (POX) در شاخسارة گندم (Triticumaestivum) رقم الوند در خاک آلوده به کادمیم بود. تیمارهای آزمایش شامل چهار سطح کادمیم (صفر (شاهد)، 25، 50 و 100 میلی‌گرم کادمیم در کیلوگرم خاک) بود. پس...

در پاسخ به تقاضای اطلاعات مکانی خاک، به کاربردن داده های کمکی رقومی و ارتباط آن ها با داده های مشاهداتی صحرایی در حال افزایش است. استفاده از اطلاعات رقومی از طریق روش های کامپیوتری، که اصطلاحاً نقشه برداری رقومی خاک خوانده می شود، قابل اعتمادتر و کم هزینه تر از روش های سنّتی نقشه برداری خاک است. بنابراین، در پژوهش حاضر از مدل های درخت تصمیم و شبکة عصبی مصنوعی برای پیش بینی مکانی کلاس های تاکسونوم...