مدلسازی نوسان‌های زمانی آب زیرزمینی، در مدیریت حوزه‏‏های آبریز و ایجاد تعادل در عرضه و تقاضای آب اهمیت زیادی دارد. در سال‏های اخیر استفاده از تحلیل موجک برای تجزیۀ سری‏های زمانی و ترکیب آن با شبکه‏های عصبی به‌صورت گسترده‏ای در مدلسازی پدیده‏های هیدرولوژیکی به‌­کار رفته ‏است. در این تحقیق، توانایی مدل ترکیبی موجک- شبکۀ عصبی پویا برای پیش‏بینی یک ماه آیندۀ عمق آب زیرزمینی ارزیابی شده و این مدل با...

خشکسالی یکی از پدیده‌های آب و هوایی است که در همه شرایط اقلیمی و در همه مناطق کره زمین به وقوع می‌پیوندد. پیش‌بینی خشکسالی نقش مهمی در طراحی و مدیریت منابع طبیعی، سیستم‌های منابع آب، تعیین نیاز آبی گیاه ایفا می‌نماید. بدین منظور در این پژوهش از داده‏های 4 ایستگاه باران‌سنجی نورآباد، بروجرد، الشتر و دورود واقع در استان لرستان، به بررسی خشکسالی با استفاده از شاخص بارش استاندارد SPI در مقیاس‏های ز...

پیش‌بینی میزان مصرف آب شرب شهری یکی از دغدغه‌های نوین جوامع شهری معاصر بوده است. در این راستا، تحقیقات زیادی در زمینه مقایسه عملکرد مدل‌های مختلف انجام شده است. با معرفی شبکه عصبی مصنوعی، بحث پیرامون نحوه بهینه‌سازی آن‌ها با استفاده از روش‌های مختلف، بخصوص تبدیلات موجک داغ شد. در اغلب پژوهش‌ها اثر استفاده از تبدیلات موجک بر روی عملکرد و دقت مدل‌های عصبی مورد توجه قرار گرفت، اما تاثیر استفاده از...

در این مقاله از ترکیب شبکه‌های عصبی موجک (WNNs) به همراه الگوریتم آموزش بهینه‌سازی انبوه ذرات (PSO) جهت مدل‌سازی تغییرات زمانی محتوای الکترون کلی (TEC) یون‌<st...

  شاخص بازار سرمایه به عنوان دماسنج اقتصادی هر کشور می‌باشد. از این رو پیش‌بینی این متغییر جهت اخذ دید کلی از وضعیت اقتصادی و اخذ استراتژی‌های سرمایه‌گذاری، یکی از مسائل مهم به شمار می‌رود. از جمله روش‌های پیش‌بینی پرکاربرد در سری‌های زمانی مالی، شبکه عصبی می‌باشد که با توجه به جامعیت این روش و عدم وجود برخی از پیش‌فرض‌ها در خصوص داده‌ها، گسترش زیادی نسبت به روش‌های آماری یافته است. اما وجود نو...

خشکسالی یک رویداد طبیعی است که می تواند خسارات قابل توجهی را به زندگی بشر وارد سازد. پیش بینی خشکسالی نقش موثری را در مدیریت منابع آب ایفا می کند. در این تحقیق به منظور پیش بینی خشکسالی سه مدل ترکیبی از انواع شبکه های عصبی و تبدیل موجک ارائه شده است و سپس با استفاده از این مدل ها، شاخص بارش استاندارد (spi) برای 12 ماه آینده در ایستگاه سینوپتیک یزد پیش بینی گردیده است. شبکه های عصبی مصنوعی توانا...

آگاهی از اطلاعات دبی جریان در رودخانه ها برای مدیریت منابع آب، پیش بینی سیل، طراحی مهندسی و مدیریت زیست محیطی ضروری می باشد. مدل های ارائه شده همچون بارش-رواناب و سری های زمانی به منظور پیش بینی میزان آبدهی رودخانه ها به دلیل عدم دقت و پیچیدگی عوامل مؤثر در آبدهی در بسیاری از موارد با مقادیر مشاهده شده تطابق ندارد. موجک یکی از روشهایی است که در سالهای اخیر در زمینه هیدرولوژی مورد توجه قرار گرفت...

پیش بینی دقیق تر از سطح دریا در مناطق ساحلی در کاربردهای مهندسی سواحل بسیار با اهمیت می باشد. با پیش بینی تراز سطح دریا مشاهده جریانات دریا و تغییرات آن ها در سطح، ارتفاع موج، سرعت باد و جزر و مد ممکن شده و این نقش بسزائی در برنامه ریزی و مدیریت سواحل دارد. این مطالعه، توانایی روش و مدل ترکیبی موجک-شبکه عصبی در پیش بینی کوتاه مدت تراز سطح دریا در بندر چابهار را مورد مطالعه و بررسی قرار می دهد. ...

شبکه های عصبی مصنوعی ابزاری کارآمد در حل مسائل گوناگون می باشند و در برخورد با مسائل مختلف به صورت هوشمند عمل می کنند. این شبکه ها به عنوان مدلی ساده از سیستم عصبی، سعی در شبیه سازی فرآیند یادگیری و تصمیم گیری مغز انسان را دارد. از طرفی تبدیل موجک دارای خواص تعامد و محلی بودن می باشد. ترکیب توانایی های آنالیز چند مقیاسی تبدیلات موجک و قابلیت های طبقه بندی و تفکیک شبکه های عصبی مصنوعی که با جای...

برآورد سیلاب و مدیریت آن از دیرباز مورد توجه کارشناسان و مدیران علوم محیطی بوده است. برای این امر روش های بسیاری وجود دارد که یکی از چشم گیرترین آن ها استفاده از شبکه های عصبی مصنوعی است. در این تحقیق، مدل بارش- رواناب حوضه آبریز رودخانه هلیل رود در جنوب شرق ایران ارائه شده است. ظهور تئوری های توانمند مانند منطق فازی و شبکه های عصبی مصنوعی(ann)، الگوریتم ژنتیک و موجک تحولی عظیم در تحلیل رفتار س...