استفاده از شبکه عصبی جهت تعیین انقباض ورودی، انبساط خروجی و کارائی واحدهای تصمیم گیرنده در مدل راسل

استفاده از مدل های سری زمانی، شبکه عصبی و ماشین بردار پشتیبان جهت پیش بینی دبی ورودی به سد گرگان

پیش­بینی مقادیر جریان ورودی به سیستم منابع آب به­منظور آگاهی از شرایط آینده و برنامه­ریزی برای تخصیص بهینه منابع آب به بخش­های مختلف از قبیل شرب، کشاورزی و صنعتی امری ضروری در مدیریت منابع آب می­باشد. هدف از پژوهش حاضر پیش­بینی مقادیر دبی ماهانه ورودی به سد گرگان برای آینده بود. بدین منظور از داده­های هیدرومتری ایستگاه قزاقلی با دوره­ آماری 47 سال و سه مدل سری­زمانی، شبکه عصبی و ماشین بردار پشت...

محاسبه ی بازه ی کارایی واحدهای تصمیم گیرنده دارای ورودی و خروجی های بازه ای با حضور داده های منفی

فرض اساسی در الگوهای تحلیل پوششی داده ها (مثل مدل های ccr و bcc)، این است که مقدار داده­های مربوط به ورودی­ها و خروجی­ها عددی دقیق و مثبتی می­باشد، ولی بسیاری از اوقات در شرایط واقعی کسب و کار، تعیین مقدار عددی دقیق برای برخی ورودی ها و یا خروجی ها امکان پذیر نیست. به همین منظور در سال­های اخیر در تحلیل پوششی داده ها مدل­های متفاوتی برای داده­های غیر دقیق مطرح شد و همچنین پژوهش­های زیادی در زمی...

اصلاح روش سکستون جهت رتبه بندی واحدهای تصمیم گیرنده در تحلیل پوششی داده ها

پیشرفت و پسرفت واحدهای تصمیم گیرنده با استفاده از مرزهای لایه ای

تحلیل پوششی داده ها و روش نوین IEP /AHP جهت رتبه بندی کامل واحدهای تصمیم گیرنده

تحلیل پوششی داده ها یکی از رویکردهای علمی است که با به کارگیری مبنای ریاضی قوی به محاسبه کارایی می پردازد. تحلیل پوششی داده ها‘ تکنیکی ناپارامتریک برای سنجش و ارزیابی کارایی نسبی مجموعه ای از واحدهای تصمیم گیرنده با ورودی ها و خروجی های چندگانه است. از آن جا که در مدل های اولیه تحلیل پوششی داده ها اولاً معیار سنجش کارایی‘ معیاری شعاعی است ثانیاً رتبه بندی کاملی از واحدها ارایه نمی شود و این مدل ه...

مدلسازی غشای میکروفیلتراسیون جهت تصفیه فاضلاب نفتی با استفاده از مدل هرمیا و شبکه عصبی