یکی از موضوعاتی که امروزه در حوزه ناوبری از اهمیت وی‍‍ژه‌ای برخوردار است، استفاده از معادلات انتشار خطای ناوبری به منظور تلفیق خروجی یک سیستم ناوبری اینرسی با یک اندازه‌گیری بیرونی جهت استفاده توأم از مزایای هر دو مکانیزم ناوبری اینرسی و اندازه‌گیری خارجی است. مطالعه تحقیقات گذشته نشان می‌دهد که معادلات انتشار خطا عموماً در دستگاه جغرافیایی استخراج شده که می‌تواند نقاط ضعفی داشته باشد. در این مق...

پیش­بینی نوسانات سطح آب زیرزمینی، برای برنامه­ریزی مناسب­تر به­ویژه در مناطق خشک و نیمه خشک امری ضروری است. در این تحقیق برای پیش­بینی نوسانات سطح آب زیرزمینی در دشت مروست از مدل­های سری زمانی و شبکه عصبی استفاده شد. برای مدل­سازی، اطلاعات سطح آب زیرزمینی در طی سال­های 88-1366 استفاده و مدل­های مختلف سری زمانی تلفیقی و شبکه عصبی مصنوعی بر داده­ها برازش داده شد. کارآیی و دقت مدل­های آریما در پیش...

در این مطالعه، به بررسی اثرات پارامتر های مختلف فرآیند نورد داغ و پیش بینی نیرو و گشتاور نورد با استفاده از مدل های شبکه عصبی مصنوعی و المان محدود سه بعدی پرداخته شده است. برای این منظور داده های به دست آمده از شبیه سازی المان محدود سه بعدی برای آموزش و ارزیابی شبکه، وارد شبکه عصبی می شوند و پس از آموزش و ارزیابی، شبکه قادر خواهد بود که نیرو و گشتاور نورد را پیش بینی کند. نتایج پیش بینی شده از ...

امروزه اعتبار سنجی نتایج حاصل از تحلیل­‌های مکانی GIS، تبدیل به یک چالش بزرگ در دنیای GIS شده­ است. تحلیل عدم قطعیت در زمینه‌­های مختلف توجه به کیفیت داده­ و موضوعات مرتبط با آن از قبیل خطا، مدل­‌های عدم قطعیت، انتشار خطا، حذف خطا و عدم قطعیت در داده‌­ها، بیش از هر زمان دیگر احساس می­‌‌شود. مدل­‌های ارتفاع ­رقومی از مهمترین داده‌­های جغرافیایی می‌­باشند که مبنای تحلیل­‌های مکانی مختلفی ...

تخصیص منابع در شرایط نایقینی و عدم اطمینان به صورت بهینه و کار اهداف این تحقیق می باشد. منبعی که انتخاب شده است ، سرمایه می باشد که بایستی به صورت بهینه بین سهام بازار بورس تقسیم شود. اگر سهام بازار، از فرضیاتی همچون نرمال بودن تابع توزیع بازده و ایستا بودن آن پیروی نمایند، روش مارکویتز سیستم تخصیص بهینه سرمایه می باشد. ولی اگر این فرضیات صادق نباشند، بهینگی این مدل از میان می رود. پیشنهاد سیست...

شبکه های عصبی بعنوان یک ابزار قوی برای مدلسازی مسائل پیچیده مورد استفاده قرار می گیرد. کاربرد شبکه ها عصبی نسبت به روشهای مرسوم برای پیش بینی روانگرایی موفق تر و ساده تر می باشد. تحقیقات اخیر نشان داده است که پیش بینی روانگرایی بوسیله نتایج آزمایش ‏‎cpt‎‏ نسبت به آزمایش ‏‎spt‎‏ بدلیل برتری های آن از ارجحیت برخوردار می باشد. مجموعه داده های قابل اعتمادی از آزمایش ‏‎cpt‎‏ در مناطق روانگرا شده جمع...

در این مقاله از شبکه عصبی مصنوعی به سبب قابلیت فوق‏العاده آن در تقلید از نگاشت غیرخطی ورودی ها به خروجی ها برای پیش بینی کوتاه مدت میزان مصرف گاز طبیعی شهر تهران استفاده شده است. ابتدا با استفاده از دمای حداقل و حداکثر روزانه، دمای مؤثر روزانه تعریف شد و سپس بر اساس دیگر مشخصه های هواشناسی مؤثر بر مصرف نظیر ابرناکی، سرعت باد و بارندگی، تخمین مصرف گاز روزانه و ماهانه مبتنی بر شبکه عصبی مصنوعی با...

مونوکسیدکربن یکی از عوامل عمده آلودگی هوای کلان شهر تهران است. هدف اصلی این تحقیق، شبیه سازی غلظت میانگین ساعتی مونوکسیدکربن در هوای شهر تهران با استفاده از دو مدل رگرسیون مؤلفه های اصلی و شبکه عصبی بهینه شده با الگوریتم رقابت استعماری است. از روش تحلیل مؤلفه های اصلی برای از بین بردن همبستگی بین متغیرهای ورودی و تفسیر بهتر نتایج مدل رگرسیونی استفاده شد. همچنین با استفاده از یک شبکه عصبی پس انت...

این تحقیق به پیش بینی پذیری رفتار بازده سهام در بورس اوراق بهادار بوسیله مدل خطی عاملی و شبکه های عصبی مصنوعی می پردازد. جهت آزمون این مساله، قیمت روزانه سهام شرکت توسعه صنایع بهشهر به عنوان نمونه انتخاب شده است. متغیرهای مستقل (ورودی های) تحقیق، پنج متغیر کلان اقتصادی، یعنی شاخص کل قیمت بورس تهران، نرخ ارز (دلار) در بازار آزاد، قیمت نفت، قیمت طلا می باشد. برای برازش مدل عاملی از رگرسیون خطی چن...

در این تحقیق سیستم تعادلی پایپرزین-آب- دی‌اکسیدکربن با استفاده از مدل‌های شبکه عصبی مدل سازی شده است. در مدل از دو شبکه عصبی MLP, RBF استفاده شده است. در یادگیری شبکه‌ها الگوریتم پس انتشار خطا به کار رفته است. برای آموزش و تست شبکه های عصبی یک مرور کلی بر کارهای تجربی در زمینه حلالیت دی اکسیدکربن در محلول آبی پایپرزین انجام شده و داده های تجربی جمع‌آوری و طبقه بندی شده است. نتایج شبکه های عصبی ...