پیش بینی سرعت باد با شبکه عصبی rbf بر اساس نظریه آشوب

پیش‌بینی سرعت باد با شبکه عصبی RBF بر اساس نظریة آشوب

پیش‌بینی سرعت باد در مواردی همچون کنترل و برنامه‌ریزی جهت قطع و وصل توربین­های بادی و تضمین عملکرد پایدار سیستم می­تواند حائز اهمیت باشد که به‌طور کلاسیک به روش­های متعددی صورت می­گیرد. در این مقاله، ارائه روشی صرفاً براساس آنالیز داده­های اندازه­گیری‌شدة قبلی مدّ نظر است. به این منظور، ضمن بررسی آشوبناک‌بودن داده­های سرعت باد، با ترکیب مفاهیم مربوط به نظریه آشوب و تکنیک­های موجود در پیش‌بینی با ...

پیش بینی سرعت باد بر اساس نظریه آشوب

پیش بینی سرعت باد در مواردی همچون کنترل توربین های بادی، برنامه ریزی جهت قطع و وصل توربین¬های بادی و تضمین عملکرد پایدار سیستم توزیع می¬تواند حائز اهمیت باشد که به طور کلاسیک به روش¬های متعددی صورت می¬گیرد. در این پایان نامه ارائه روشی صرفاً بر اساس آنالیز داده¬های اندازه¬گیری شده قبلی مدنظر می¬باشد. به این منظور ضمن بررسی آشوبناک بودن داده¬های سرعت باد، با ترکیب مفاهیم مربوط به نظریه آشوب و تکن...

پیش بینی کوتاه مدت سرعت باد با استفاده از سه نوع ترکیب شبکه های عصبی براساس تقسیم و ترکیب

انرژی باد یکی از قابل دسترس ترین انرژی های تجدید پذیر است. پیش بینی سرعت باد با دقت بالا، برای توسعه این انرژی موثر خواهد بود. این مقاله راه حل مناسبی برای مساله پیش بینی سرعت باد، با استفاده از سه نوع شبکه عصبی براساس تقسیم و ترکیب ارائه می دهد. سه شبکه، به ترتیب، تقویت به وسیله پالایش (BF)، اختلاط خبره ها (ME) و تقویت اختلاط خبره ها (BME) می باشند. در این سه شبکه ابتدا، فضای مساله بین کلاس بن...

پیش بینی قیمت سهام با رویکرد ترکیبی شبکه عصبی مصنوعی و الگوریتم رقابت استعماری مبتنی بر تئوری آشوب

یکی از گزینه‌های موجود جهت سرمایه گذاری نقدینگی، بورس و اوراق بهادار می‌باشد. با توجه به ارتباطات غیرخطی موجود میان متغیرهای موثر بر قیمت سهام، شبکه های عصبی مصنوعی یکی از مناسب ترین رویکردهای موجود جهت پیش‌بینی قیمت سهام می باشند. در این مقاله سعی شده تا از طریق ترکیب نگاشت‌های آشوبی و الگوریتم رقابت استعماری، زاویه حرکتی مستعمرات به سمت استعمارگر اصلاح شده و به این ترتیب احتمال قرارگیری در دا...

پیش بینی حجم کوفتگی سیب با استفاده از شبکه عصبی تابع پایه شعاعی RBF ( و مقایسه آن با مدل رگرسیونی)

پیش بینی تبخیر-تعرق مرجع با استفاده از شبکه های عصبی مصنوعی rbf ،mlp svm

تخمین تبخیر-تعرق گیاه مرجع یکی از مهم ترین مؤلفه ها در بهینه سازی مصرف آب کشاورزی و مدیریت منابع آب است. پیش بینی تبخیر-تعرق مرجع روزانه و هفتگی می تواند در پیش بینی نیاز آبی گیاهان و برنامه ریزی کوتاه مدت آبیاری مورداستفاده قرار گیرد. هدف از این تحقیق، ارزیابی عملکرد سه نوع شبکه عصبی مصنوعی mlp(پرسپترون چندلایه)، rbf (شبکه تابع پایه ای شعاعی)، svm (ماشین بردار پشتیبان) در پیش بینی تبخیر-تعرق م...