پژوهش حاضر به مقایسه مدلهای شبکه عصبی و سری­زمانی در پیش­بینی قیمت شاخص سهام   می­پردازد. بدین جهت سه مدل از شبکه­های عصبی(پروسپترونی چند لایه ،پایه­ای شعاعی و رگرسیونی) و یک مدل از مدل­های سری­زمانی (باکس- جنکینز) مورد بررسی قرار گرفته‌اند. شاخص کل قیمت سهام بازار بورس تهران در بازه زمانی ابتدای فروردین 1384 تا انتهای اسفند 1388 به عنوان جامعه ­آماری انتخاب شده است. به منظور داشتن معیاری برای ...

در این تحقیق، واکنش کافئیک اسید و 2- فنیل اتانول در حضور لیپاز تثبیت شده از مخمر آنتارکتیکا (نووزیم 435) به منظور تولید کافئیک اسید فن اتیل استر در سیستم ایزواکتان با استفاده از روش های شبکه عصبی مصنوعی و ژنتیک الگوریتم مدل سازی و بهینه گردید. بدین منظور ازیک طرح مرکب مرکزی چرخش پذیر با 4 متغیر و 5 سطح جهت مدل کردن واکنش آنزیمی به کمک شبکه عصبی مصنوعی استفاده شد. متغیرهای مستقل شامل دما، زمان، ...

یک سیستم رودخانه­ای یک سیستم بازاست که از درگیر شدن ارتباطات مختلف و پیچیده شکل می گیرد. خصوصیات ذاتی حوضه ها از یک سو و عوامل خارجی از سوی دیگر رفتارهای رودخانه را متاثر می سازد.وجود ارتباطات متقابل متعدد از جمله ارتباطات جریان ورسوب حمل شده وتاثیر عوامل ژئومورفولوژی حوضه و مدل سازی آن از اهمیت ویژه ای برخوردار است.در این مطالعه دونوع شبکه عصبی مصنوعی ژئومورفولوژیکی و غیر ژئومورفولوژیکی برای پ...

مقدمه: تغییرات فصلی و روزانه مرگ و میر ارتباط مستقیمی با دما دارد. در این تحقیق داده های روزانه مرگ و میر و پارامتر دما طی دوره 2005 -2002 مورد استفاده قرار گرفته است. روش کار: برای پردازش داده ها روش های تعیین ضریب همبستگی پیرسون، رگرسیون خطی ساده، رگرسیون چندجمله ای و شبکه های عصبی مصنوعی به عنوان یک روش غیر خطی ( ann )استفاده شده است. یافته ها: نتایج حاصل از کاربرد و تحلیل همبستگی پیرسون نشا...

تعیین میزان فرسایش خاک و بار رسوبی رودخانه عملاً کاری مشکل است؛ بنابراین روش های مختلفی برای آن ها پیشنهاد شده است. یکی از روش های نوین در حل مسائل مهندسی آب و همچنین برآورد رسوب معلق رودخانه ها، استفاده از شبکه عصبی مصنوعی است که با الگو برداری از شبکه مغز انسان، ضمن اجرای فرآیند آموزش، روابط درونی بین داده ها را کشف کرده و به موقعیت های دیگر تعمیم می دهد. هدف از انجام این تحقیق، بررسی کارآیی ر...

در این مطالعه به منظور مدل سازی شدت جریان فاضلاب در مراکز دفن زباله از شبکه عصبی مصنوعی استفاده شد. پس از آموزش، شبکه عصبی قادر است براساس داده های هواشناسی و مشخصات فاضلاب مرکز دفن، شدت جریان فاضلاب را پیش بینی کند. داده های ورودی شبکه عصبی شامل پارامترهایی نظیر ph، دما، هدایت الکتریکی فاضلاب مرکز دفن و داده های هواشناسی بود. برای ارزیابی و تشریح مدل، مرکز دفن زباله بیروت به صورت موردی بررسی ش...