نتایج جستجو برای: سری های زمانی مصنوعی
تعداد نتایج: 499457 فیلتر نتایج به سال:
اساس برنامهریزی و مدیریت صحیح داشتن آمار اطلاعات دقیق بههنگام است. یکی از مهمترین بخش کشاورزی میزان تولید سالیانة هر محصول یا سطح زیرکشت ابزارهایی که در کمترین زمان با هزینة پایین دقت مناسب، میتواند محصولات را محاسبه کند دانش فنّاوری سنجش از دور این تحقیق، دو روش طبقهبندی شبکة عصبی مصنوعی ماشین بردار پشتیبان استفاده شده غالب منطقه، شامل هشت کلاس، تصاویر سری زمانی سنتینلـ2 برآورد براساس ن...
یکی از مشکلات مهم در پیش بینی با شبکه های عصبی مصنوعی، فراهم کردن داده های لازم برای پیش بینی است؛ چرا که شبکه های عصبی برای حصول نتایج دقیق نیاز به داده های زیادی دارند. اما باید توجه داشت که جمع آوری داده های مورد نیاز شبکه، نخست، بسیار هزینه بر است و دوم، مدت زمان طولانی را طلب می کند. بنابراین با توجه به تغییرات سریع در محیط های واقعی و به ویژه سیستم های اقتصادی و مالی، پیش بینی در این گونه...
شهرستان کاشان، یکی از مناطق خشک و نیمه خشک کشور محسوب می شود و با کمبود شدید منابع آبی مواجه است. بنابراین ضروری است تا با برنامه ریزی هدفمند و مدیریت کارآمد منابع آب و همچنین اولویت بندی مناطق مختلف از نظر خشکی، تا حد ممکن از بروز مشکلات جدی ناشی از کم آبی در شهرستان جلوگیری شود. یکی از مولفه های مهم جهت مدیریت بهینه ی منابع آب، برآورد تبخیر و تعرق در سطح منطقه ای است. در این تحقیق به منظور بر...
شاخص سطح برگ استخراجشده (LAI) از تصاویر سنجش دور پارامتر مهمی، بهمنظور مدلسازی مکانی تولید پوشش گیاهی، محسوب میشود. معمولاً شاخصهای گیاهی که با بازتاب طول موجهای قرمز و مادون نزدیک محاسبه میشوند، در برآورد LAI استفاده روشهای آماری، بهکار میروند اما بسیاری این شاخصها مقادیر متفاوت به اشباع میرسند. برای رفع محدودیت، محدودة لبة شده است؛ بنابراین، باید قابلیت دادههای دور، ذرت علوفهای، ...
منابع آب زیرزمینی یکی از مهم ترین منابع آب به شمار می روند که شناخت صحیح و بهره برداری اصولی از آنها بخصوص در مناطق خشک و نیمه خشک می تواند در توسعه پایدار بسیاری از فعالیت های کشاورزی، اجتماعی و اقتصادی آن منطقه تأثیر بسزایی داشته باشد. برای آگاهی از وضعیت نوسانات سطح آب زیرزمینی در چنین مناطقی لازم است پیش بینی دقیقی از نوسانات سطح آب زیرزمینی انجام شود. با پیش بینی دقیق نوسانات سطح آب زیرزمی...
توانایی کمنظیر شبکههای عصبی مصنوعی به عنوان ابزاری قدرتمند برای تحلیل و برآورد در حوزه علوم تجربی و مهندسی موجب شد تا مورد توجه اقتصاددانان قرار گیرد. در این پژوهش، پس از مرور پژوهشهای انجامشده در مورد توانایی پیشبینی مدلهای خود توضیح جمعی میانگین متحرک (arima)[1]و شبکههای عصبی مصنوعی(ann)[2] به مقایسه این دو روش برای پیشبینی قیمت روزانه نفت در دوره آوریل 1983 تا ژوئن 2005 پرداختهایم. ...
خشکسالی پدیدهای طبیعی است که میتواند در هر جایی رخ دهد و خسارات قابل توجهی به بشر و سازههای طبیعی وارد آورد. در این تحقیق به منظور پیشبینی شاخص خشکسالیبارش استاندارد، از دو نوع شبکههای عصبیمصنوعی، پرسپترون چند لایه و تابع پایهی شعاعی و مدلهای سریزمانی استفاده شد. به این منظور، در ابتدا مقادیر شاخص بارش استاندارد در دورههای سه، شش، نه و دوازده ماههی ایستگاههای منتخب استان خوزستان محا...
در این مطالعه قابلیت مدلهای شبکه عصبی مصنوعی در زمینه تولید مصنوعی جریان ارزیابی می شود. مدلی که برای تولید مصنوعی بکار رفته با ترکیب مدل شبکه عصبی و یک مؤلفه تصادفی با توزیع نرمال ایجاد شده است. در توسعه مدل از شبکه عصبی چند لایه تغذیه پیشرفتی با الگوریتم آموزشی انتشار برگشتی خطا استفاده شده است. بر این اساس مدل، سری های بلند مدت و تا 300 سال جریان مصنوعی روزانه در رودخانه خرسان را تنها با اس...
تخمین تبخیر-تعرق گیاه مرجع یکی از مهم ترین مؤلفه ها در بهینه سازی مصرف آب کشاورزی و مدیریت منابع آب است. پیش بینی تبخیر-تعرق مرجع روزانه و هفتگی می تواند در پیش بینی نیاز آبی گیاهان و برنامه ریزی کوتاه مدت آبیاری مورداستفاده قرار گیرد. هدف از این تحقیق، ارزیابی عملکرد سه نوع شبکه عصبی مصنوعی mlp(پرسپترون چندلایه)، rbf (شبکه تابع پایه ای شعاعی)، svm (ماشین بردار پشتیبان) در پیش بینی تبخیر-تعرق م...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید