مدلسازی هوشمند جریان غلیظ نمکی در حضور موانع نفوذپذیر [PDF]
مهندسی منابع آب, 2022 چکیدهمقدمه : جریان غلیظ یکی از مهمترین عوامل در فرآیند رسوبگذاری سدها میباشد. افزایش رسوب در نزدیک دیواره سد، ظرفیت ذخیره سازی آن را کاهش داده و چالش های قابلت وجهی را برای مهندسین مربوطه ایجاد میکند.
مهدی درخشان نیا +3 more
doaj +1 more source
کاربرد مدل تلفیقی تبدیل موجک و شبکه عصبی مصنوعی در پایش خشک سالی هواشناسی (مطالعه موردی: حوضه آبریز کوهرنگ) [PDF]
علوم و مهندسی آبیاری, 2021 خشکسالی یکی از بلایای طبیعی است که سالانه خسارات فراوانی را برای جوامع مختلف به دنبال دارد. ارزیابی و پیشبینی خشکسالیها میتواند اطلاعات با ارزشی جهت تدوین برنامههای مقابله با خشکسالی و کاهش خسارات مربوط به آن در اختیار مدیران و برنامهریزان منابع ...
مرضیه بهرامی سامانی +3 more
doaj +1 more source
پیش بینی محتوای رطوبتی پسته رقم اکبری با شبکه عصبی مصنوعی [PDF]
مجله پژوهشهای علوم و صنایع غذایی ایران, 2007 به منظور پیش بینی محتوای رطوبتی پسته رقم اکبری به کمک شبکه عصبی مصنوعی، آزمایشاتی در پنج سطح دمایی از 40 تا 80 درجه سانتی گراد، چهار سرعت جریان هوای ورودی بین 5/0 تا 2 متر بر ثانیه و در سه تکرار (جمعا 60 سری) در یک خشک کن لایه نازک انجام شد.
(صفحات 45-56) احمد بهارلویی (صفحات 45-56) احمد بهارلویی +3 more
doaj +1 more source
مقایسه مدل های رگرسیونی و شبکه های عصبی مصنوعی در پیش بینی عملکرد تولیدی مرغان تخمگذار [PDF]
پژوهشهای علوم دامی ایران, 2015 این مطالعه به منظور بررسی پیش بینی شاخص های عملکرد تولیدی در مرغان تخم گذار با استفاده از شبکه های عصبی مصنوعی و رگرسیون غیرخطی چندگانه انجام شد. بررسی بر روی اطلاعات چهار دوره متوالی پرورش در یک واحد پرورش مرغ تخم گذار صورت گرفت.
جواد ایزی, حیدر زرقی
doaj +1 more source
پیش بینی جریان در دیفیوزر نامتقارن دو بعدی توسط شبکه عصبی و مقایسه نتایج با سه مدل آشفتگی و داده های تجربی [PDF]
نشریه علوم کاربردی و محاسباتی در مکانیک, 2022 در کار حاضر جریان آشفته در یک دیفیوزر دو بعدی نامتقارن مورد بررسی و مطالعه قرار گرفتهاست. در بسیاری از کاربردها، اطلاع از اینکه آیا لایه مرزی از سطح یا داخل یک جسم خاص جدا میشود و اینکه دقیقاً جداسازی جریان در کجا رخ میدهد، از اهمیت خاصی برخوردار ...
مصطفی زمانی محی آبادی +3 more
doaj +1 more source
مقایسه مدل های شبکه عصبی مصنوعی و کریجینگ در پیش بینی پارامترهای کیفی آب زیرزمینی (SAR، TDS و EC) دشت دزفول اندیمشک [PDF]
Pizhūhish dar Bihdāsht-i Muḥīṭ., 2023 زمینه و هدف: بهدلیل پیچیدگیهای موجود در سیستمهای آب زیرزمینی و همچنین محدودیتهای موجود، مدلسازی آبهای زیرزمینی به آسانی میسر نمیباشد، اما مدل شبکه عصبی مصنوعی، دارای توانایی بالایی در مدلسازی سیستمهای پیچیده و غیرخطی هستند و از طرفی روشهای زمین
فریبرز بهرامی +1 more
doaj +1 more source
پیش بینی قیمت سهام در بورس تهران با استفاده از شبکه عصبی بازگشتی بهینه شده با الگوریتم کلونی زنبور عسل مصنوعی [PDF]
راهبرد مدیریت مالی, 2019 این پژوهش با رویکرد ترکیبی، با بهکارگیری شبکه عصبی بازگشتی مبتنی بر الگوریتم کلونی زنبورعسل مصنوعی (ABC-RNN)، درصدد ارائه مدلی بهینه برای پیشبینی قیمت سهام در بورس تهران است.
جعفر باباجانی +3 more
doaj +1 more source
شناسایی نواحی امیدبخش کانی سازی مس پورفیری در ناحیه چهارگنبد استان کرمان با استفاده از روش هوشمند یادگیری سریع [PDF]
Muhandisī-i manābi̒-i ma̒danī, 2022 در مدلسازی پتانسیلهای معدنی و شناسایی اهداف اکتشافی با استفاده از روشهای هوش مصنوعی، نحوه استفاده از نمونههای آموزشی و انتخاب الگوریتم مناسب یک مساله مهم است، زیرا عدم استفاده از الگوریتم آموزش مناسب موجب بروز خطاهای سیستماتیک در مدل خروجی میشود ...
مریم قدیانلو +2 more
doaj +1 more source
مدل سازی وارون دو بعدی میدان گرانی باقی مانده با استفاده از شبکه عصبی پیشخور مدولار : مطالعه موردی یک معدن کرومیت [PDF]
پژوهشهای ژئوفیزیک کاربردی, 2019 یکی از اهداف اصلی در اکتشافات ژئوفیزیکی، تعیین عمق و گسترش توده معدنی در زیر زمین میباشد. بدلیل عدم یکتایی جواب در وارونسازی میدان گرانی، روشهای زیادی برای حذف یا کاهش خطای مدلسازی ارائه شده است.
عطا اسحق زاده +2 more
doaj +1 more source
بررسی تأثیر شبکه موجک بر کارایی شبکه عصبی مصنوعی در پیشبینی رسوبات سیلابی [PDF]
جغرافیا و مخاطرات محیطیمعمولاً سهم قابلملاحظهای از خسارتهای ناشی از سیلاب، به رسوبات معلق در جریان سیل و هزینههای لایروبی ناشی از نشست آنها در مناطق طبیعی، مسکونی و صنعتی برمیگردد. ازاینرو هنگام وقوع سیلاب علاوه بر پارامتر دبی آب، پایش دبی رسوبات حمل شده در آب نیز بسیار
حلیمه یار +3 more
doaj +1 more source