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 +2 more sources
طبقه بندی توتفرنگی رقم پاروس با ترکیب تکنیک پردازش تصویر و روشهای هوشمند [PDF]
مجله پژوهشهای علوم و صنایع غذایی ایران, 2021 امروزه در کشاورزی مدرن ترکیبی از تکنیکهای پردازش تصویر و روشهای هوشمند برای جایگزینی ماشینهای هوشمند به جای انسان استفاده میشود. در این مطالعه از روش پردازش تصویر مصنوعی و شبکه عصبی مصنوعی (ANN) برای طبقهبندی میوه توتفرنگی رقم پاروس استفاده شده است.
فرهاد فاتحی +1 more
doaj +1 more source
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
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 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
پیش بینی شرایط ترمودینامیکی تشکیل هیدرات های شبه کلاتریت برای سیستم های (متان / کربن دی اکسید / نیتروژن) + TBAC + آب با ستفاده از شبکه های عصبی مصنوعی [PDF]
Pizhūhish-i Naft, 2017 شبهکلاتریتها ساختارهایی جدید از هیدراتهای گازی هستند که شرایط ترمودینامیکی تشکیل هیدرات گازی در آنها از هیدراتهای کلاتریت بسیار راحتتر است. مدلهای ارایهشده برای پیشبینی شرایط ترمودینامیکی شبهکلاتریتها انگشتشماراند.
ابوالفضل محمدی +3 more
doaj +1 more source
تخمین تخلخل یک مخزن هیدروکربوری با استفاده از سیستمهای چند شبکه‌ای [PDF]
Pizhūhish-i Naft, 2013 در این مقاله سیستمهای چندشبکه‌ای به منظور کاهش خطا و افزایش دقت نتایج حاصل از روش شبکه عصبی مصنوعی پیشنهاد شده است. در این سیستم‌ها نتایج چندین شبکه که به طور منفرد و مجزا آموزش دیده‌اند، به روشی مناسب با هم ترکیب میشود. در این مطالعه تخلخل مؤثر یکی از
محمود ذاکری +1 more
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
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
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