در مقالة حاضر، از روش ماشین یادگیری شدید برای مدل‌سازی نرخ انتقال مواد در این فرآیند به عنوان پارامتر تأثیرگذار بر سرعت انجام فرآیند و کیفیت سطح بوجود آمده، استفاده شده است. میزان میانگین مربعات خطا (MSE) برای نرخ انتقال مواد در داده‌های آموزش 000387/0 و در داده‌های آزمون 0017/0 با استفاده از مدل شبکة عصبی ماشین یادگیری شدید بدست آمد. همچنین، مقدار میانگین مربعات خطا برای متوسط ضخامت لایة بازنش...

سیل یکی از بلایای طبیعی مهمی است که همه‌ ساله باعث ایجاد خسارت‌های مالی و جانی فراوانی به جوامع </st...

مدل سازی دقیق و قابل اطمینان سطح ایستابی آب زیرزمینی می تواند به استفاده ی پایدار از آب های زیرزمینی به منظور تأمین نیاز های شهری،کشاورزی و صنعتی کمک کند. امروزه سازمان ها و شرکت های مرتبط با مهندسی آب برای این منظور از مدل های عددی استفاده می کنند. از معایب این روش ها نیاز به پارامتر های متعدد، زمان بر و پرهزینه بودن آن هاست. با توجه به روابط پیچیده ی حاکم در هیدروژئولوژی و هیدرولوژی در سال ها...

هدف پژوهش حاضر مقایسه پیش‌بینی شاخص سهام با استفاده از مدل‌های ترکیبی مبتنی بر الگوریتم ژنتیک و جستجوی هارمونی با شبکه عصبی معمولی است. مربوط‌ترین نماگرهای تکنیکی به عنوان متغیرهای ورودی و تعداد بهینه نرون لایه پنهان شبکه عصبی مصنوعی با استفاده از الگوریتم‌های فراابتکاری ژنتیک و جستجوی هارمونی تعیین شده است. مقادیر روزانه شاخص قیمت بورس اوراق بهادار تهران از تاریخ 1/10/91 الی 30/9/94 جهت پیش‌بی...

بهینه سازی شبکه پایش، یک فرآیند تصمیم گیری برای داشتن بهترین ترکیب در بین ایستگاه های موجود است. به دلیل ملاحظات اقتصادی و کاستن از هزینه های پایش، رویکرد بهینه سازی در این پژوهش، کاهش ایستگاه های پایش بدون کاهش میزان و دقت اطلاعات حاصل می باشد. درتحقیق حاضر طراحی بهینه شبکه پایش کیفی آب زیرزمینی به کمک مدلی بر پایه بهینه سازی در دشت نیشابور انجام گرفته است. بهینه سازی شبکه چاه ها توسط الگوریتم...

زمینه و هدف: شبیه سازی و ارزیابی آورد رسوب رودخانه از جمله مسایل مهم در مدیریت منابع آب می باشد. اندازه گیری مقدار رسوب به روش های متداول عموماً مستلزم صرف وقت و هزینه زیادی بوده و گاهی از دقت کافی نیز برخوردار نمی باشد.  روش بررسی: در این پژوهش تخمین رسوب رودخانه سیمینه رود واقع در استان آذربایجان غربی، با استفاده از شبکه عصبی بیـزین مورد بررسی قرار گرفته و نتایج آن با روش های مرسـوم هوشمند هم...

ارزیابی نوسانات سطح ایستابی در مناطق خشک و نیمهخشک کشور، نیازمند پیشبینی دقیق و کارآمدی از نوسانات آن میباشد. استفاده از روشهای نوین از جمله الگوریتمهای فراابتکاری، شبکههای عصبی مصنوعی و روشهای فازی، جهت تولید دادههای سطح آب مصنوعی و پیشبینی آینده تراز سطح ایستابی به دلیل کارآیی بسیار بالای خود، بسیار کاربردی است. در پژوهش حاضر، با استفاده از روشهای الگوریتمهای انتخابات و رقابت استعماری، شبکه ع...

دمای هوا که در ایستگاه‌های هواشناسی استاندارد اندازه‌گیری می‌شود یکی از توصیف‌کننده‌های اصلی وضعیت محیط زمین است. بنابراین برآورد و تخمین دقیق دمای متوسط روزانه در هر منطقه یکی از پیش­نیازهای مهم برای برنامه‌ریزی کشاورزی و نیز مدیریت منابع آب می‌باشد که به روش‌های مختلفی همچون مدل‌های تجربی، نیمه تجربی و هوشمند قابل انجام است. در این پژوهش کاربرد شبکه عصبی موجک به منظور بر...

پژوهش حاضر با هدف پیش‌بینی تراکم کنه تارتن دولکه‌ای با روش‌های زمین‌آمار و شبکه‌ی عصبی مصنوعی در مرزعه خیار استان خوزستان شهرستان رامهرمز انجام شد. بدین منظور مختصات طول و عرض ۱۰۰ نقطه با فاصله ۱۰متر، در سطح مزرعه مشخص و به عنوان ورودی‌های هر دو روش تعریف شد. خروجی هر روش نیز تعداد این آفت در آن نقاط بود. در بخش زمین‌آمار از روش کریجینگ معمولی و در بخش شبکه عصبی مصنوعی، ساختار پرسپترون سه لایه ...