نتایج جستجو برای: آبخوان شیبکوهشبکه ی عصبی مصنوعی

تعداد نتایج: 122071  

ژورنال: آب و فاضلاب 2020

پیش‌بینی هجوم آب شور به آبخوان ساحلی در اثر تغییر میزان برداشت از آب زیرزمینی یکی از پیش‌نیازهای مدیریت آب زیرزمینی است. این پژوهش قابلیت انواع مختلف مدل‌های ماشین‌بردار پشتیبان رگرسیونی (SVR) را برای پیش‌بینی میزان شوری در چاه پایش منتخب در یک آبخوان ساحلی کوچک تحت شرایط مختلف برداشت آب زیرزمینی بررسی می‌کند. مدل‌های SVR<stron...

ژورنال: دانش آب و خاک 2015
سید جواد ساداتی‌نژاد محمد میرزاوند محمود اکبری هدی قاسمیه,

مجاورت آبخوان کاشان با جبهه­ آب شور دریاچه­ نمک، باعث ایجاد شیب هیدرولیکی و درنتیجه پیشروی آب شور به داخل آبخوان شده است. در این پژوهش با توجه به وضعیت موجود، شبیه­سازی کیفی آب زیرزمینی دشت کاشان با استفاده از مدل­های شبکه عصبی مصنوعی (شامل پرسپترون چندلایه و تابع شعاعی) و رگرسیون چند متغیره انجام شد. برای این منظور ابتدا اقدام به تعیین تیپ غالب آب منطقه شد و سپس اقدام به مدل­سازی شد. نتایج حاص...

ژورنال: دانش آب و خاک 2014
احد حبیب زاده اصغر اصغری مقدم, عبدالله حسین پور عطا الله ندیری علی کلانتری اسکویی هیراد عبقری

این مطالعه یک مدل منطق فازی مرکب نظارت شده  (SCFL)برای تخمین قابلیت­انتقال در آبخوان دشت تسوج ارائه می کند. تخمین قابلیت­انتقال به ویژه در آبخوان ناهمگن بسیار پرهزینه و وقت گیر است. در این مطالعه، برای تخمین قابلیت­انتقال با استفاده از داده های هیدروژئولوژیکی و ژئوفیزیکی از مدل های فازی مانند ممدانی(MFL)، لارسن  (LFL)  و ساگنو (SFL) استفاده شد. این مدل ها، نتایج مشابهی در تخمین قابلیت­انتقال در...

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه بیرجند - دانشکده علوم انسانی 1389

به دلیل ویژگی های خاص دوتایی های تماسی و همچنین مقدار عظیم داده های نجومی که در پروژه های مختلف به دست می آیند، تحقیقات زیادی روی روش های کاملاً خودکار تحلیل داده انجام گرفته است. یکی از این روش ها شبکه های عصبی مصنوعی می باشند که در این تحقیق از جعبه ابزار شبکه ی عصبی مصنوعی در نرم افزار متلب استفاده شده است. به دلیل شباهت منحنی های نوری سیستم های نوع wدب اکبر به منحنی های سینوس و کسینوس، با بر...

ژورنال: :iranian journal of applied animal science 0
m.a. norouzian department of animal science, college of abouraihan, university of tehran, tehran, iran m. vakili alavijeh department of mathematics, faculty of mathematical science, shahid beheshti university, tehran, iran

در این مطالعه ارتباط بین وزن­های تولد، از شیرگیری و پایان پروار با وزن دنبه 69 رأس گوسفند بلوچی توسط روش­های شبکه عصبی مصنوعی و رگرسیون چندگانه بررسی شد. هر دو روش با دقت بالایی وزن دنبه را پیش­بینی کردند. هر چند که میانگین خطا به صورت معنی­داری در روش شبکه عصبی مصنوعی کمتر از رگرسیون چندگانه بود. ضریب تعیین برآورد شده در روش شبکه عصبی مصنوعی (93/0) بالاتر از رگرسیون چندگانه (81/0) به دست آمد. ...

ژورنال: :مطالعات مدیریت بهبود و تحول 0
سید مهدی الوانی هیئت علمی دانشگاه علامه طباطبایی داوود حسین پور هیئت علمی دانشگاه علامه طباطبایی

در این مقاله سعی شده است علاوه بر ارایه مطالب جدید در زمینه شبکه های عصبی مصنوعی، کاربرد آن در تصمیم گیری راهبردی مدیران ارایه شود. در اینجا شبکه های عصبی مصنوعی برای اجرای یک مدول تصمیم در چارچوب تصمیم گیری راهبردی مورد بررسی قرار گرفته است. این مقاله چگونگی بکارگیری و پذیرش شبکه های عصبی در چارچوب تصمیم گیری راهبردی را توصیف می کند. در بخش اول مختصری از ادبیات شبکه های عصبی مصنوعی و در بخش دو...

2016

1 يوجشناد سانشراک ی ،هیذغت مولع دشرا ،نارهت یکشزپ مولع هاگشناد ،یسانش میژر و هیذغت هدکشناد ناریا 2 لوئسم هدنسیون : هورگ رایداتسا هیذغت هعماج ،ناریا ،نارهت یکشزپ مولع هاگشناد ،یسانش میژر و هیذغت هدکشناد ، یکینورتکلا تسپ : [email protected] 3 داتسا هورگ هیذغت هعماج هدکشناد، هیذغت میژرو هاگشناد،ینامرد مولع یکشزپ ،نارهت ناریا 4 يارتکد تملاس تاقیقحت یلم وتیتسنا ،ناهفصا یتشادهب ت...

سید محمودرضا بهبهانی محمد ابراهیم بنی حبیب, محمد ولی پور

در مقاله حاضر قابلیت مدل خود همبسته شبکه عصبی مصنوعی دینامیک برای پیش­بینی جریان ماهانه ورودی مخزن سد دز ارزیابی شده و نتایج  به دست آمده با مدل خودهمبسته شبکه عصبی مصنوعی استاتیک مقایسه شده است. در تحقیقات قبل مقایسه مدل‌های استاتیک و دینامیک در شبکه‌های عصبی مصنوعی صورت نگرفته است. ضمناً تحقیق حاضر از حیث خودهمبستگی مدل شبکه عصبی مصنوعی، دارای نوآوری می‌باشد. در این تحقیق آبدهی های ماهانه بین ...

ژورنال: آب و فاضلاب 2012
حامد شریفی دارانی علی طالبی علیرضا مقدم‌نیا محمد تقی دستورانی,

در دهه‌های اخیر به‌دلیل اهمیت یافتن مسئله آب و همینطور افزایش تمایل به محاسبه مقدار رواناب حاصل از بارش، توسعه و اجرای روشهای مناسب برای پیش‌بینی رواناب از روی داده‌های بارش به مسئله‌ای ضروری تبدیل شده است. یکی از این روشها که در بسیاری از رشته‌ها از جمله هیدرولوژی توسعه یافته است، استفاده از روشهای محاسبات نرم نظیر منطق فازی و شبکه‌های عصبی مصنوعی است. در این تح...

یکی از جنبه‌های حائز اهمیت در مدیریت محیط در ژئومورفولوژی کاربردی حل مشکل برآورد رسوب یک سیستم رودخانه‌ای می‏باشد. هدف این مطالعه ارزیابی عملکرد مقایسه‌ای دونوع شبکه عصبی مصنوعی (مدل ژئومورفولوژیکی و مدل غیر ژئومورفولوژیکی) و دو نوع مدل رگرسیونی (مدل توانی ومدل غیر خطی چندگانه) برای پیش بینی بار رسوب معلق حوضه اسکندری در حوضه آبریز زاینده رود می‏باشد. مدل‏ها براساس آمار 104 حادثه وقوع همزمان ثب...

نمودار تعداد نتایج جستجو در هر سال

با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید