چکیده: پیـش بیــنی عـمق سطــح آب زیرزمینــی و بـرآورد نـوسانات آن، یـکی از اقدامات لازم در جهت برنامه ریزی های جامع مدیریتی در رابطه با منابع آب زیرزمینی می باشد. با توجه به روابط غیرخطی و پیچـیده حاکم بر جریان آب های زیرزمیــنی، طراحی مدلی دقیـق و در عین حـال ساده ضـرورتی اجتناب ناپذیر در جهت پیش بینی رفتار منابع آب زیرزمینی محسوب می گردد. امروزه سیستم های خبره و از آن جمله شبکه های عصبی مصنو...

در این تحقیق، با استفاده از داده های مشاهده شده تشت کلاس a، کاربرد روش های رگرسیون غیر خطی، شبکه های عصبی مصنوعی، سیستم استنتاج فازی- عصبی و هم چنین روش تجربی استیفنز- استوارت، جهت برآورد تبخیر روزانه منطقه کرمان مورد بررسی قرار گرفت. در روش های شبکه عصبی مصنوعی، سیستم استنتاج فازی- عصبی و رگرسیون غیر خطی، مقادیر دما، فشار، رطوبت نسبی، تابش خورشیدی و سرعت باد، با پنج ترکیب مختلف به عنوان متغیره...

مدل سازی و پیش بینی سری های زمانی یک مسئله بسیار مهم در چند دهه اخیر بوده و کاربرد وسیعی در زمینه های مختلف علوم و مهندسی از جمله هیدرولوژی دارد. در این راستا تخمین پارامترهای مدل های مختلف سری های زمانی یکی از مراحل اساسی در مدل سازی سری های زمانی است. روش های ارائه شده در این زمینه از جمله روش گشتاورها، دارای روابطی پیچیده و تقریبی به خصوص در مدل های چندمتغیره زمانی و مکانی می باشندکه مستلزم ...

در پژوهش حاضر یک سیستم استنتاج فازی عصبی انطباق‌پذیر (ANFIS) مبتنی بر تحلیل مولفه‌های اصلی (PCA) جهت پیش‌بینی درماندگی مالی شرکت‌ها پیشنهاد شده‌است. این سیستم نه تنها توانایی سازگاری و یادگیری را دارد، بلکه خطا را نیز کاهش می‌دهد؛ زیرا از پارامترهای اضافی هنگامی که متغیرهای ورودی بیش از حد هستند، اجتناب می‌کند. برای تأیید اثربخشی این مدل، تعداد 181 شرکت پذیرفته شده در بورس اوراق بهادار تهران (9...

رودخانه ها، بخش عمده و قابل توجهی از منابع آب کشورمان را تشکیل می دهند. رشد میزان مصرف آب از یک سو و محدودیت این منابع حیاتی از سویی دیگر، نیاز به مدیریت بهره برداری از این منابع را بیش از پیش، آشکار می سازد. در سال های اخیر استفاده از تئوری مجموعه های فازی جهت مدل سازی پدیده های هیدرولوژیکی که دارای پیچیدگی و عدم قطعیت بالایی هستند، مورد توجه محققین قرار گرفته است. به همین دلیل، در این پژوهش ا...

      ارزیابی ظرفیت نوآوری شرکت‌های دانش بنیان و پیش‌بینی میزان ظرفیت نوآوری آن‌ها برای این شرکت‌ها بسیار حائز اهمیت است و تصمیم در خصوص انتقال یا بسط فناوری شرکت تابع میزان ظرفیت نوآوری است. هدف اصلی این تحقیق، طراحی مدل ارزیابی ظرفیت نوآوری شرکت‌های دانش بنیان با رویکرد استنتاج فازی عصبی- تطبیقی است. سیستم استنتاج فازی عصبی - تطبیقی ([1]ANFIS) روش مناسبی برای حل مسائل غیرخطی است. ANFIS ترکیبی...

بارش یکی از مهم ترین عوامل مورد استفاده در مطالعات منابع طبیعی و منابع آب می باشد. با توجه به نوسان ها و بی نظمی های موجود در سری زمانی بارش، پیش بینی پذیری و شناخت عوامل تأثیرگذار بر فرآیند بارش دارای اهمیت است. با وجود روابط غیرخطی، عدم قطعیت و عدم صراحت زیاد و ویژگی های متغیر زمانی و مکانی در سیستم گردش آبی، هیچ یک از مدل های آماری و مفهومی پیشنهاد شده به منظور الگوسازی دقیق بارش نتوانسته ان...

پیش بینی زبری سطح یک پیش نیاز اساسی برای ایجاد یک مرکز ماشین کاری خودکار می باشد. بهینه سازی فرآیند ماشین کاری در این راستا از اهمیت خاصی برخوردار است. در این مقاله از رهیافت ترکیبی فازی- عصبی (سیستم استنتاج فازی- عصبی تطبیقی ANFIS) به منظور پیش بینی زبری سطح در تراش کاری خشک استفاده شده است. به طوری که داده های حاصل از آزمایش ها به منظور ایجاد قواعد فازی و ویرایش این قواعد به کمک شبکه های عصبی...

پیشینه‎ی پیاده‎سازی سیستم برنامه‎ریزی منابع سازمان، از سابقه‎ی پر فراز و نشیبی برخوردار است که طی آن، پروژه‎های متعددی با موفقیت و بسیاری نیز با شکست یا عدم دست‎یابی به اهداف از پیش تعیین شده به پایان رسیده‎اند. پژوهش پیش رو از یک‎سو بر اساس هدف، بنیادی بوده و سیستم جدیدی را برای رفع مسئله‎ای حیاتی طراحی و ارائه می‎کند و از سوی دیگر با توجه به استقرار سیستم در سازمان، برای تعیین میزان موفقیت پر...

پدیده بارش تابع عوامل زیادی می باشد که پیش بینی آن به روش های معمول آماری از دقت کمی برخوردار است. پیش بینی بارش با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج فازی در سال های اخیر، توجه زیادی معطوف شده است. استان کردستان با مساحتی حدود 28203 کیلومتر مربع بین 34 درجه و 45 دقیقه تا 36 درجه و 28 دقیقه عرض شمالی و 42 درجه و 31 دقیقه تا 48 درجه و 16 دقیقه طول شرقی به دلیل ریزش جوی زیاد یکی از پرآب ...