در دهه ‏های اخیر شبکه ‏های عصبی مصنوعی به عنوان ابزاری موفق در تخمین و پیش ‏بینی پدیده‏ های هیدرولوژیکی به کار گرفته شده ‏اند. اگرچه استفاده از شبکه ­های عصبی مصنوعی امکان برآورد بار معلق رسوب رودخانه ­ها را با دقت و سرعت مناسب فراهم کرده است، اما دقت پیش­ بینی این مدل­ ها، به میزان زیادی تحت­ تاثیر دانش و درک کاربر از شبکه عصبی مصنوعی قرار دارد. در مطالعات منابع طبیعی و به ویژه مطالعات هیدرولو...

امروزه، در موضوعات اقتصادی- بازرگانی، پیش‌بینی، به عنوان یکی از مهم‌ترین شاخه‌های علمی مطرح شده است و روز به روز، توسعه و پیشرفت می‌کند. مدیران بخش‌های مختلف اقتصادی و بازرگانی، به دلیل وجود انبوه متغیرهای تأثیرگذار، ترجیح می‌دهند مکانیزمی را در اختیار داشته باشند، که بتواند آن‌ها را در امور تصمیم‌گیری یاری کند. بخش کشاورزی، به عنوان بخش تولیدکنندة محصولات راهبردی(استراتژیک) و تامین کنندة مواد ...

در این مطالعه قابلیت مدل‎های شبکه عصبی مصنوعی در زمینه تولید مصنوعی جریان ارزیابی می‌شود. 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، سری‌های بلند مدت و تا 300 سال جریان مصنوعی روزانه در رودخانه خرسان را تنها با ...

برآورد میزان رسوبات معلق در رودخانه‏ها از ابعاد مختلف کشاورزی، حفاظت خاک، سد‌سازی، حیات آبزیان، و همچنین جنبه‏های مختلف تحقیقاتی اهمیت فراوانی دارد. روش‏های مختلفی برای بررسی و برآورد رسوبات معلق رودخانه‏ها وجود دارد که البته توانایی این روش‏ها در برآورد رسوبات متفاوت است. هدف از این مطالعه برآورد رسوبات معلق رودخانه با استفاده از شبکة عصبی پیش‌خور پس‌انتشار خطا با الگوریتم آموزشی لونبرگ‌- مارک...

هدف اصلی این مقاله، طراحی یک مدل عیب‌یاب بر مبنای الگوریتم شبکة عصبی هوشمند به‌همراه شبیه‌سازی دینامیکی موتور بر پایة تحلیل‌های ریاضی برای یک موتور سوخت مایع سیکل باز است. عیب به دو شکل بروز پدیدة کاویتاسیون در پمپ‌ها و وقوع گرفتگی در مسیرهای متفاوت موتور ‌شبیه‌سازی شده است. در این پژوهش، به‌کارگیری شبکة عصبی چندلایه "پیشخور" با ورودی‌هایی که از کمیت‌های خروجی موتور سوخت مایع معیوب به‌دست آمده،...

هدف از این پژوهش شبیه سازی حرکت برخان ها با استفاده از شبکه عصبی مصنوعی می باشد. شبکه عصبی مصنوعی یک مدل غیر خطی می باشد که عملکردی شبیه مغز انسان دارد. در سال های اخیر، شبکه عصبی مصنوعی یکی از مهمترین ابزار جهت مدله کردن فرآیندهای پیچیده مانند حرکت پدیده ها می باشد. در مطالعات زیادی، شبکه عصبی مصنوعی نتایج بهتری نسبت به مدل های تناوبی نشان داده است. نتایج به دست آمده نشان می دهد که مدل پیش بین...

تاگوچی روشی متداول برای کنترل کیفیت در حالت برون‌خطی به‌شمار می‌آید و درصدد طراحی پارامتر و انتخاب بهترین سطح پارامترها برای طراحی بهتر فرایند تولید محصولات باکیفیت است. از معایب این روش، تک‌پاسخه‌بودن آن است. در دنیای واقعی بیشتر مسائل با چند شاخصه کیفی روبه‌رو هستند؛ از این‌رو روش مذکور برای بهینه‌سازی مسائل چندپاسخه مناسب نیست و برای این مقوله به روش مهندسی و بهینه‌سازی برای قضاوت درمورد انت...

مقدار مدول الاستیسیته و گسیختگی تختة خرده‌چوب بر اساس عوامل تولیدی کنترل می‌شود. حال سؤال اساسی این است که عوامل تعیین‌کنندة خواص خمشی تختة خرده‌چوب کدام‌اند؟ داده‏های پایة این تحقیق شامل 13 متغیر مشترک اندازه‌گیری‌شده با 100 تکرار در منابع علمی معتبر داخلی است. روش‌های مدل‏سازی خطی و مدل‏سازی غیر‌خطی آزمون گاما، ام، و الگوریتم ژنتیک و شبکة عصبی برای آزمون سؤال استفاده شد. عوامل تعیین‌کنندة خوا...

زمانبندی معاملات سهام مسأله¬ای بسیار مهم و مشکل به دلیل پیچیدگی بازار سهام است. آنچه اهمیت دارد پیش¬بینی روند قیمت سهام است که هدف اصلی در مباحث تحلیل تکنیکی است. گرچه این امر به دلیل دخالت عوامل متعدد بازار و روابط بین آنها چندان آسان نیست. به نظر می¬رسد استفاده از ابزارها و الگوریتمهای محاسباتی پیچیده¬تر مانند شبکه¬های عصبی مصنوعی در مدلسازی فرآیندهای غیر خطی که منتج به قیمت و روند سهام می¬شو...