تبخیر پتانسیل از جمله مؤلفه های چرخه آب در طبیعت است که پیش بینی آن یک کار پیچیده و غیرخطی است. بنابراین، برای تخمین آن بایستی از مدل های پیشرفته ریاضی استفاده نمود. مطالعه حاضر، با هدف ارائه مدل پیش بینی سری زمانی پتانسیل تبخیر روزانه ایستگاه تبریز با استفاده از دو رویکرد شبکه عصبی و شبکه عصبی ـ موجکی همراه با نویززدایی داده ها انجام گرفت. سری زمانی روزانه مقدار تبخیر تشتک تبخیرسنج ایستگاه تبر...

پیش بینی نرخ ارز از مسائل مهم مالی است که به خاطر مشکلات ذاتی و کاربردهای عملی آن توجه زیادی را به خود جلب نموده است . روشهای تجزیه و تحلیل سریهای زمانی به طور سنتی بر دو مفهوم مانایی و خطی بودن بنیان نهاده شده اند، اما در مواردی که پویایی سیستم ویژگی غیرخطی بالایی را نشان می دهد عملکرد این مدلهای سنتی عمدتا ضعیف می باشد، از سوی دیگر شبکه های عصبی و تبدیل موجک توانایی بالقوه خوبی را برای پیش بی...

با توجه به سهم بالای دارایی مسکن در پرتفوی دارایی عاملان اقتصادی، درک، شناخت، پیش بینی و استخراج دوره های رونق و رکود قیمت مسکن می تواند برای خریداران مسکن و یاسرمایه گذاران بالقوه مسکن مفید باشد.طی بیست سال گذشته، افزایش قیمت مسکن در تهران و شهرهای بزرگ کشور به صورت پله ای بوده و رفتاری سیکلی (ادواری) داشته است. در این مقاله پس از استخراج سیکل های بلند مدت با فرکانس پایین قیمت مسکن توسط فیلتر ...

برآورد جریان حوضه آبریز با توجه به کاربرد گسترده آن در علوم مرتبط با صنعت آب، از دیرباز مورد توجه پژوهشگران بوده است. ارائه الگوهای نو و به کارگیری تکنیک های پیشرفته می تواند موجب ایجاد تحول در برآورد این سیستم دینامیک و غیرخطی شود. در این تحقیق برای پیش بینی جریان ماهانه، از شبکه عصبی پیشخور استفاده گردیده است. به علت تعداد زیاد متغیرهای مورد استفاده در این تحقیق برای پیش بینی جریان، شناخت متغ...

یکی از مسایلی که از دیرباز مورد توجه محافل علمی بوده است، پیش بینی سری های زمانی و تقریب توابع می باشد. روشهای کلاسیک و هوشمند متعددی در این زمینه معرفی و به کار بسته شده اند. به یقین، یکی از روشهای بسیار موفق در زمینه پیش بینی سری های زمانی، شبکه عصبی می باشد. شبکه های عصبی پرسپترون دو لایه دارای تقریب زنی جهانی بوده و قادر به تخمین هر تابعی در فضای می باشند. به نظر می رسد با افزایش پیچیدگی تا...

زمینه و هدف: عدم قطعیت پارامترهای صحرایی، نویز در داده­های مشاهداتی و شرایط مرزی نامشخص از مهم‌ترین عوامل محدود کننده در مدل‌سازی جریان و انتقال آلودگی در محیط‌های متخلخل است. روش بررسی: در این تحقیق، دشت میاندوآب به‌عنوان مطالعه موردی برای شبیه­سازی تراز آب زیرزمینی و غلظت کلراید انتخاب شد. برای مدل‌سازی زمانی انتقال آلودگی از روش‌های هوش مصنوعی استفاده شد. د...

خشکسالی یک رویداد طبیعی است که می‌تواند خسارات قابل توجهی را به زندگی بشر وارد سازد. پیش‌بینی خشکسالی نقش موثری را در مدیریت منابع آب ایفا می‌کند. در این تحقیق به‌منظور پیش‌بینی خشکسالی سه مدل ترکیبی از انواع شبکه‌های عصبی و تبدیل موجک ارائه شده است و سپس با استفاده از این مدل‌ها، شاخص بارش استاندارد (SPI) برای 12 ماه آینده در ایستگاه سینوپتیک یزد پیش‌بینی گردیده است. شبکه‌های عصبی مصنوعی توانا...

با توجه به اهمیت پیش بینی جریان رودخانه در مدیریت منابع آب روش های مختلفی برای مدل کردن جریان رودخانه ها بکار برده شده است. تا بتوان با بکارگیری این مدل در مدیریت خشکسالی و سیلاب، خسارات ناشی از آنها را به حداقل ممکن رساند. در این مطالعه مدل شبکه عصبی و مدل هیبرید موجکی- شبکه عصبی برای پیش بینی جریان روزانه ایستگاه ونیار پیشنهاد گردیده است. برای استفاده از مدل هیبریدی سری زمانی به 12 زیر سری تج...

در این پروژه ابتدا به معرفی شتابنگاشتهای مصنوعی، ویژگیها و روشهای تولید آن پرداخته شده است ، سپس مبانی شبکه های عصبی و به دنبال آن نظریه ویولتها همراه با مواد کاربرد آنها آمده است . در فصل پایانی نیز روش به کار گرفته شده برای تولید نگاشتهای مزبور به تفصیل مورد بحث قرار گرفته است .

به منظور میراسازی نوسانات فرکانس پایین و متعاقباً بهبود پایداری دینامیکی سیستم قدرت، معمولاً از پایدارسازهای سیستم قدرت استفاده می گردد. در این میان پایدارسازهای تطبیقی، با توجه به خصوصیات غیر خطی سیستم قدرت، بیشتر مورد توجه قرار گرفته اند، هر چند، افزایش انعطاف پذیری و نیز تضمین همگرایی آنها همواره در حال بررسی است. در این پایان نامه شبکه های عصبی موجک بازگشتی با خصوصیاتی نظیر؛ قابلیت یادگیری شب...