شبیه سازی شوری آب زیرزمینی با استفاده از شبکه عصبی مصنوعی، الگوریتم بهینهسازی ذرات و مدل SEAWAT (مطالعه موردی: مزارع کشت و صنعت نیشکر دعبل خزاعی) [PDF]
پژوهشهای حفاظت آب و خاک, 2016 سابقه و هدف: شوری خاک عامل مهم در کاهش عملکرد مزارع نیشکر واقع در جنوب غربی ایران میباشد. بنابراین مطالعه و پایش این عامل در زمینهای تحت کشت نیشکر، امری لازم و ضروری میباشد.
عاطفه صیادی شهرکی +3 more
doaj +1 more source
پیش بینی تاثیر اجزاء موجود در شیرخام بر بازیافت و استخراج ژنوم ویروس های روده ای با استفاده از شبکه های عصبی مصنوعی و استنتاج فازی-عصبی تطابقی(ANFIS) [PDF]
مجله پژوهشهای علوم و صنایع غذایی ایران, 2014 در میان مواد غذایی که می تواند به صورت بالقوه ناقل ویروس های بیماری زا باشد شیرخام قرار دارد. بر همین اساس نحوه قرارگیری ویروس های بیماری زا در شیرخام به شدت وابسته به حضور ترکیبات شیر بوده و دستیابی به هرگونه روش جهت استخراج و بازیافت ویروس ها و ژنوم آن
مسعود یاورمنش +1 more
doaj +1 more source
روندیابی سیل رودها با بهره وری از شبیه های شبکه ی عصبی مصنوعی تکاملی [PDF]
مهندسی منابع آب, 2010 یکی از روشهای پیشبینی سیل در رودخانهها به منظور مدیریت و کنترل سیل در آن، روندیابی سیل میباشد. امروزه تکنیک جدید استفاده از مدل شبکههای عصبی مصنوعی تکاملی(EANN) که مبتنی بر هوش مصنوعی میباشد، کاربرد گستردهای در زمینههای مختلف علمی بهویژه مهندسی ...
حسین فتحیان +2 more
doaj
نقشهبرداری رقومی فرسایشپذیری خاک (مطالعه موردی: دهگلان، استان کردستان) [PDF]
پژوهشهای حفاظت آب و خاک, 2018 سابقه و هدف: فرسایشپذیری خاک یکی از خصوصیات بسیار مهم خاک میباشد که بررسی تغییرات مکانی آن، جهت مدیریت زراعی، تخریب اراضی و مطالعات زیست محیطی حائز اهمیت میباشد. بنابراین اطلاع از تغییرپذیری مکانی فرسایشپذیری خاک نقش مهمی در مدلسازی فرسایش آبی دارد.
فریبا گلمحمدی +3 more
doaj +1 more source
اشتقاق و اعتبارسنجی توابع انتقالی طیفی برای پیشبینی غلظت برخی فلزات سنگین در محدوده طیف مرئی تا مادون قرمز [PDF]
مدیریت خاک و تولید پایدار, 2018 سابقه و هدف ارتباط مستقیم بین افزایش غلظت فلزات سنگین خاک و ابتلا به سرطانهای مختلف برای افرادی که در معرض آلودگی این فلزات هستند، توسط محققان مختلفی گزارش شده است. بنابراین پایش سریع و دورهای گسترش مکانی این فلزات، بسیار با اهمیت است.
وحیدرضا جلالی +2 more
doaj +1 more source
پیشبینی درماندگی مالی بر مبنای تئوری مجموعههای راف در مقایسه با شبکههای عصبی مصنوعی [PDF]
فصلنامه بورس اوراق بهاداردر عصری که شرکتها برای بقا در بازارهای رقابتی با چالشهای فراوانی روبهرو هستند، شناسایی عوامل تاثیرگذار بر بحرانهای مالی اهمیت مییابد. یکی از راههای کمک به سرمایه-گذاران و شرکتها ارائه، الگوهایی جهت پیشبینی درماندگی مالی است.
سید امیرمحمد حجازیان +2 more
doaj +1 more source
رویکرد جدید پیشبینی نرخ شکست لولههای شبکه توزیع آب با استفاده از مدل هیبرید هوشمند (مطالعه موردی: شبکه توزیع آب شهر گرگان) [PDF]
پژوهشهای حفاظت آب و خاک, 2020 سابقه و هدف: شبکههای توزیع آب شهری بعنوان یکی از مهمترین تأسیسات و تجهیزات زیربنایی مناطق شهری محسوب میشوند. لولهها بعنوان یکی از اجزای اصلی و مهم شبکه توزیع آب، همواره در دوره بهرهبرداری تحت تأثیر عوامل مختلف دچار شکستگی میشوند، بنابراین استفاده از
عبدالرضا ظهیری +3 more
doaj +1 more source
پیشبینی تغییرات مکانی شوری و رس خاک با استاده از روشهای زمینآمار و شبکه عصبی مصنوعی [PDF]
مدیریت خاک و تولید پایدار, 2016 به منظور مقایسه روشهای زمینآماری و شبکهعصبیمصنوعی در تخمین مقادیر شوری و رس خاک، این پژوهش در بخشی از اراضی منطقه سیستان انجام شد. تعداد 121 نمونه خاک با فواصل 750 متر از عمق 30- 0 سانتیمتر برداشت و مقادیر شوری و درصد رس خاک تعیین شد.
محمدرضا پهلوان راد +1 more
doaj +1 more source
توصیف ریاضی منحنی رشد گوسفندان کردی با استفاده از شبکه عصبی مصنوعی و مقایسه آن با برخی مدلهای غیرخطی [PDF]
تحقیقات تولیدات دامی, 2020 هدف این تحقیق مقایسه شبکه عصبی مصنوعی با مدلهای رگرسیون غیرخطی برودی، گمپرتز، لجستیک و ونبرتالانفی در برازش منحنی رشد گوسفند کردی بود. برای این منظور، تعداد 17659 رکورد روز آزمون وزن تولد تا یکسالگی موجود در ایستگاه پرورش و اصلاح نژاد حسینآباد شیروان
سونیا زکی زاده +2 more
doaj +1 more source
مقایسه مدل شبکه عصبی مصنوعی و درخت تصمیم برای شناسایی و پیش بینی عوامل مرتبط با دیابت نوع2 [PDF]
Journal of Paramedical Science and Rehabilitation, 2018 هدف: یکی از اهداف تحقیقات پزشکی تعیین عوامل مرتبط در پیش بینی بیماری می باشد. یکی از شایع ترین بیماری های متابولیک در ایران، دیابت میباشد. هدف از این مطالعه شناسایی عوامل موثر در پیش بینی دیابت با استفاده از مدل های شبکه عصبی مصنوعی و درخت تصمیم می
فرزاد میرزاخانی +4 more
doaj +1 more source