تحلیل عدم قطعیت مدل‌های شبکه عصبی مصنوعی و ماشین بردار پشتیبان در تخمین بارش

مدل‌سازی مقاومت فشاری بتن غلتکی با استفاده از شبکه عصبی مصنوعی، انفیس و ماشین بردار پشتیبان

امروزه از بتن غلتکی در ساخت سد‌ها و روسازی راه‌ها استفاده می‌شود و طی سال‌های اخیر استفاده از این نوع بتن به علت مزایایی چون کوتاه شدن زمان ساخت، در دسترس بودن مصالح مورد نیاز، عملکرد مناسب در نواحی سرد و عمر مفید طولانی گسترش یافته است. مهم‌ترین خاصیت مکانیکی بتن غلتکی، مقاومت فشاری می‌باشد که افزایش آن می‌تواند عملکرد این نوع بتن را بهبود بخشد. حساسیت بتن غلتکی به اجزای تشکیل‌دهنده آن سبب مشک...

مدل سازی رواناب رودخانه صوفی چای با استفاده از ماشین بردار پشتیبان و شبکه عصبی مصنوعی

Accurate simulation runoff process can have a significant role in water resources management and related issues. The inherent complexity of  this process makes difficult the use of physical and numerical models. In recent years, application of intelligent models is increased a powerful tool in hydrological modeling. The aim of this study was the application of the Gamma test to select the optim...

مقایسه عملکرد ماشین بردار پشتیبان و شبکه عصبی مصنوعی در برآورد ارتفاع آب معادل برف در حوضه آذربایجان شرقی

برف و برفاب در حوضه­های کوهستانی و مرتفع عامل مهم و کنترل­کننده رژیم جریان محسوب شده و به عنوان منبع اصلی تأمین آب نقش بسیار مهمی را ایفا می­نماید. به همین دلیل در مناطق کوهستانی هیدرولوژی برف اهمیت و ارزش زیادی دارد. علاوه بر این تخمین، شبیه­سازی و پیش­بینی جریان ناشی از ذوب برف و باران در زمینه­های مختلف دارای اهمیت و کاربرد می‌باشد که از جمله آن تأمین آب شرب، کشاورزی، صنعت و تفرجگاه­ها، تنظی...

مقایسه مدلهای شبکه عصبی موجک، ماشین بردار پشتیبان و برنامه ریزی بیان ژن در تخمین میزان اکسیژن محلول در اب رودخانه ها

اکسیژن محلول در آب از موثرترین پارامترها در تعیین کیفیت آب رودخانه ها بوده و کنترل آن در رودخانه ها از مهم ترین عوامل توسعه منابع آب هر منطقه است. به همین دلیل در این پژوهش عملکرد مدلهای شبکه عصبی موجک، ماشین بردار پشتیبان و برنامه ریزی بیان ژن را جهت تخمین اکسیژن محلول در آب رودخانه کامبرلند واقع در ایالت تنسی مورد بررسی قرار گرفت. برای این منظور سری زمانی ماهانه شاخص DO رودخانه کامبرلند در طی...

تخمین شاخص کیفیت فیزیکی خاک و عدم قطعیت با به کارگیری شبکه عصبی مصنوعی بوت استرپ

مقایسه روش‌های طبقه‌بندی ماشین بردار پشتیبان و شبکه عصبی مصنوعی در استخراج کاربری‌های اراضی از تصاویر ماهواره‌ای لندست TM

Land use classification and mapping mostly use remotely sensed data. During the past decades, several advanced classification methods such as neural network and support vector machine (SVM) have been developed. In the present study, Landsat TM images with 30m spatial resolution were used to classify land uses through two classification methods including support vector machine and neural network...