نتایج جستجو برای: نروفازی
تعداد نتایج: 130 فیلتر نتایج به سال:
برآورد دقیق میزان رسوب معلق رودخانهها از مسائلی مهم در طراحی مخازن، آلودگی دریاچهها، طراحی کانالها و لایروبی آنها بعد از سیلابها، تعیین خسارتهای ناشی از رسوبگذاری و تعیین تأثیرات مدیریت آبخیز است. روشهای متعددی بهمنظور برآورد بار معلق رودخانهها وجود دارد. یکی از این روشها، که در حل مسائل مختلف هیدرولوژی رسوب و پیشبینی آن کاربرد زیادی دارد، روشهای نوروفازی و شبکههای عصبی مصنوعی است. ...
تخمین صحیح تبخیر و تعرق در طراحی، مدیریت سیستمهای آبیاری و زهکشی از اهمیت زیادی برخوردار است. یکی از روشهای تخمین تبخیر و تعرق، که در حل این مسائل و پیشبینی آن کاربرد زیادی دارد، روشهای نروفازی (ANFIS)، شبکههای عصبی مصنوعی (ANNs) و درخت تصمیمگیری M5 میباشند. هدف از این تحقیق، بررسی کارایی روشهای مذکور در برآورد تبخیر و تعرق مرجع در ایستگاه هواشناسی شیراز میباشد، بدین منظور دادههای هو...
تخمین هدایت هیدرولیکی از مهمترین بخشهای مطالعات هیدروژئولوژی بوده که در مدیریت آبهای زیرزمینی حائز اهمیت است. اما به علت محدودیتهای عملی، زمانی و یا هزینهای، اندازه گیری مستقیم آن با دشواری همراه است. لذا استفاده از مدلهای هوش مصنوعی با صرف هزینه کم و کارایی بالا میتوانند جایگزین مناسبی برای این منظور باشند. از آنجا که دادههای ورودی (شامل مقاومت عرضی، ضخامت آبخوان، هدایت الکتریکی و فاصله اق...
پیش بینی تقاضای آب در سیستم های آبرسانی و توزیع آب، با توجه به کمک شایانی که می تواند به مدیران این مجموعه ها برای مدیریت بحران (حداقل و حداکثر مصرف) داشته باشد، از اهمیت بالایی برخودار است. پیچیدگی و تأثیر عوامل و پارامترهای مختلف بر میزان تقاضای آب در این سیستم ها، سبب گردیده است که روشهای تحلیلی و ریاضی کارایی لازم را در این زمینه نداشته باشند. در این مقاله روش شبکه های عصبی مصنوعی برای برآو...
در این مقاله روشی جدید برای حصول بهینه برق از توربین های مزارع برق بادی ارایه می شود. در روش پیشنهادی با استفاده از تلفیق سابقه زمانی پارامترهای باد با اطلاعات مکانی آن، مدلی مبتنی بر استنتاج فازی برای مزرعه بادی تشکیل شده و به روز می شود. با استفاده از مدل فوق، می توان پارامترهای باد دریافت شده توسط هر توربین در مزرعه بادی را به دست آورد. برای ارزیابی عملکرد روش پیشنهادی، دو نوع متداول از شرا...
پیش بینی سری های زمانی موضوع بسیار مهمی است که کاربردهای فراوانی در زمینه های مختلفی چون پیش بینی نرخ ارز، پیش بینی قیمت سهام ، پیش بینی آب و هوا و غیره دارد. در سال های اخیر تلاش های بسیاری در جهت توسعه و بهبود عملکرد روش های پیش بینی صورت گرفته است. به دلیل عملکرد بهتر روش های غیرخطی در پیش بینی سری های زمانی به خصوص سری های زمانی آشوبگرا، در این تحقیق دو مدل پیشنهادی برپایه روش های غیرخطی بر...
شبکه ی هوشمند توان الکتریکی، از شبکه های مختلف ارتباطی ، به منظور ارایه ی قابلیت های مربوط به سیستم های پیچیده ی توان، به گونه ی هوشمندانه بهره می گیرد. این شبکه، از ارتباط دو طرفه ی میان داده و جریان، به منظور تسهیل ایجاد ارتباط میان اجزای مختلف شبکه، استفاده می کند. یکی از مباحث چالشی در شبکه هوشمند، بهینه سازی مسیریابی می باشد که انتقال داده در این مسیرها، بر مبنای کیفیت سرویس می-باشد. بدین ...
پیشبینی دقیق ضریب انتشار طولی در رودخانههای طبیعی تا حد بسیار زیادی در تعیین توزیع غلظت آلایندهها در چنین محیطهایی مؤثر است. عدم قطعیت موجود در نتایج بهدست آمده از مدلهای پیشبینی میتواند در تصمیمگیریهای مناسب برای برخورد با مواد آلاینده در رودخانهها تأثیر منفی داشته باشد. بههمین دلیل، تحلیل و تعیین عدم قطعیت مدلهای مورد استفاده برای پیشبینی این پارامتر بسیار مفید است. در این تحقیق...
آب زیرزمینی یکی از مهمترین منابع آب در مناطق خشک و نیمهخشک است. با توجه به کاهش سطح آب زیرزمینی بر اثر برداشت غیرمجاز در بیشتر دشتهای ایران، دبی چاهها پس از مدت کوتاهی به میزان زیادی کاهش یافته و این مهم لزوم برنامهریزی منابع اب را مورد توجه قرار میدهد. تعیین ضخامت آبرفت و نوع مصالح تشکیلدهندهی آبخوانها یکی از موارد ضروری جهت برنامهریزی برای توسعهی شهر و طراحی زیرساختهای آن میباشد...
در این پژوهش از دو مدل گردش عمومی جو (GCM ) ( Can-ESM2, BNU-ESM) برای شبیه سازی بارش دوره آتی در شهر تبریز، استفاده شده است. مهمترین ضعف مدلهای GCM، بزرگ بودن مقیاس مکانی متغیرهای اقلیمی شبیه سازی شده است که روشهای مختلف ریزمقیاس نمایی درصدد رفع این نقیصه میباشند. در این مطالعه برای ریز مقیاس نمودن متغیرهای اقلیمی مدلهای GCM، از مدلهای هوش مصنوعی شبکه عصبی مصنوعی ( ANN) و نروفازی ( ANFIS)...
نمودار تعداد نتایج جستجو در هر سال
با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید