در این مقاله تلاش شده ‏است با استفاده از ترکیب تبدیل موجک و شبکه عصبی مدلی به‌منظور پیش‌بینی روزانه قیمت گاز طبیعی ارائه شود. در این مدل ترکیبی، از موجک گسسته دابیشز به‌منظور تجزیه سری زمانی قیمت استفاده شده‏، سپس ضرایب تقریبات و جزئیات مؤثر به‌عنوان ورودی شبکه عصبی به‌منظور پیش‌بینی قیمت گاز طبیعی هنری هاب به‌عنوان مرجعی برای قیمت گاز طبیعی در آمریکا به‌کار رفته ‏است. مقایسه عملکرد نسبی مدل تر...

النینو از پدیده های مهم اقلیمی است که تأثیر زیادی بر متغیرهای اقلیمی نقاط مختلف کره زمین دارد. با توجه به نقش تبخیر در مطالعات منابع آب، بررسی تأثیر پدیده النینو بر این متغیر اقلیمی، از اهمیت شایانی برخوردار است. هدف از این پژوهش بررسی امکان برآورد تبخیر در ایستگاه همدید خرم آباد با استفاده از داده های النینو و با کمک مدل شبکه عصبی مصنوعی است. بدین منظور، داده های تبخیر ماهانه ایستگاه به مدت 29...

زمینه و هدف: پیش بینی و کنترل کیفیت آب رودخانه کرج، به عنوان یکی از مهم ترین منابع تامین کننده آب مورد نیاز شهر تهران، از اهمیت بسزایی برخوردار است. در این تحقیق، عملکرد مدل های شبکه عصبی (ann)، مدل ترکیبی شبکه عصبی – موجک (wann) و رگرسیون خطی چند متغیره (mlr)، برای پیش بینی یک ماه آینده یون نیترات و اکسیژن محلول ایستگاه پل خواب واقع در رودخانه کرج، مورد ارزیابی قرار گرفت. روش بررسی: از یک دوره...

شبکه های عصبی مصنوعی ابزار قدرتمندی برای محاسبه و به عنوان یک راه حل دیگر برای حل مسائل بهینه سازی می باشند. روش های قدیمی برای حل مسائل ‎$ qp $‎ در واقع مستلزم یک فرایند تکراری هستند و همچنین زمان محاسبات طولانی کاربرد آنها را محدود کرده است‎‎‏ زیرا الگوریتم های قدیمی برای محاسبات عددی به دلیل این که زمان مورد نیاز برای حل تا حدود زیادی وابسته به ساختار و بعد مسأله ها می باشد ممکن است موثر واق...

زمانبندی معاملات سهام مسأله¬ای بسیار مهم و مشکل به دلیل پیچیدگی بازار سهام است. آنچه اهمیت دارد پیش¬بینی روند قیمت سهام است که هدف اصلی در مباحث تحلیل تکنیکی است. گرچه این امر به دلیل دخالت عوامل متعدد بازار و روابط بین آنها چندان آسان نیست. به نظر می¬رسد استفاده از ابزارها و الگوریتمهای محاسباتی پیچیده¬تر مانند شبکه¬های عصبی مصنوعی در مدلسازی فرآیندهای غیر خطی که منتج به قیمت و روند سهام می¬شو...

در این مقاله، از یک کنترلر تطبیقی به همراه شبکه عصبی موجک برای یک کلاس از سیستم‌های غیرخطی ابعاد وسیع، با زیر سیستم غیر افاین غیرخطی نامعلوم دارای تأخیر زمانی استفاده شده است. تداخلات وارد شده به زیر سیستم‌ها، غیرخطی و دارای تأخیر در نظر گرفته شده است که در مقایسه با حالتی که تأخیر برای تداخلات، در نظر گرفته نمی‌شود به واقعیت نزدیک‌تر است. در این مقاله، وزن‌های مربوط به لایه خروجی شبکه عصبی موج...

در این مقاله به منظور پیش بینی درصد ورشکستگی شرکت های بورسی از مدلهای  شبکه عصبی فازی استفاده گردیده که توانایی کار در محیط پویا و غیر قطعی را امکان پذیر می سازد. در این میان با استفاده از منطق فازی متغییر های مختلف کلامی به منظور تعریف هر شاخص مشخص گردیده است و با ایجاد توابع عضویت هر کدام با استفاده شبکه عصبی به ایجاد یک سیستم یادگیرنده اقدام شده است. از میان مدل های مختلف شبکه عصبی،شبکه پرسی...

اندازه گیری مستقیم تنوع گونه­ای امری وقت­گیر و ­هزینه­بر بوده و تا حدی به دلیل خطاهای حاصل از نمونه­گیری غیرقابل اعتماد است. این مطالعه با هدف تعیین فاکتور­های کم­هزینه در پیش­بینی تنوع گونه­ای بوسیله شبکه مدل­های عصبی مصنوعی، شبکه عصبی تطبیقی-فازی و رگرسیونی انجام شد. نمونه­برداری با استفاده از روش سیستماتیک-تصادفی از 60 قطعه نمونه در طول 6 ترانسکت 100 متری و از عمق 30-0 سانتی­متری خاک صورت گر...

یکی از گامهای مهم در توسعه شبکه های عصبی مصنوعی طراحی معماری شبکه است که تأثیر زیادی بر عملکرد شبکه دارد. در طراحی معماری شبکه های عصبی مصنوعی، عواملی از قبیل تعداد لایه های پنهان، تعداد نرون ها در هر لایه، توابع تبدیل و الگوریتم آموزش باید تعیین شوند. محققان در طراحی معماری شبکه به طور عمده از طریق سعی و خطا عمل می کنند و یا اینکه اثر متقابل بین عوامل مختلف در طراحی معماری شبکه را در نظر نمی گ...

با توجه به اینکه پیش بینی درست مصرف گاز، کمک زیادی به تصمیم گیران در سطوح بالای سیاسی و اقتصادی کشور می کند، تلاش برای افزایش دقت پیش بینی همچنان یک موضوع قابل پژوهش و ضروری است. این مقاله از یک شبکه عصبی مصنوعی که توسط الگوریتم ژنتیک مقداردهی اولیه شده برای پیش بینی مصرف گاز ایران تا 12 ماه آینده به کمک داده سالهای 1384 تا 1391، استفاده می کند. رویکرد پیشنهادی از ورودی های کل مصرف گاز، مصرف گا...