Results 11 to 20 of about 4,341 (142)

کاربرد مدل تلفیقی تبدیل موجک و شبکه عصبی مصنوعی در پایش خشک سالی هواشناسی (مطالعه موردی: حوضه آبریز کوهرنگ) [PDF]

open access: yesعلوم 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]

open access: yesمجله 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]

open access: yesمهندسی 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]

open access: yesپژوهشهای 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]

open access: yesراهبرد 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]

open access: yesPizhūhish-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]

open access: yesPizhūhish-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]

open access: yesنشریه 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]

open access: yesجغرافیا و مخاطرات محیطی
معمولاً 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]

open access: yesPizhūhish 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

Home - About - Disclaimer - Privacy