زمین لغزش نشان دهنده ی فرایندهای مورفودینامیک است که در زمین های شیب دار رخ داده و به واحد های مسکونی، صنعتی، باغات و زمین های زراعی آسیب می رساند. در این تحقیق برای پهنه بندی زمین لغزش در حوضه ی رودخانه گیوی چای از مدل شبکه عصبی پرسپترون چند لایه از نوع پیش خور پس انتشار(bp)استفاده شد. جهت ارزیابی شبکه ی عصبی ایجاد شده، داده های 41 زمین لغزش رخ داده به سیستم ارائه شد. در کنار آن برای پردازش زم...

یکی از پیشرفته ترین مدلهای پیش بینی کننده ورشکستگی٬ مدل «شبکه عصبی مصنوعی» است. مطابق نتایج تحقیق ساختار اصلی پرسپترون سه و چهار لایه برای پیش بینی ورشکستگی شرکتها به مدلهایی شبیه یکدیگر منتهی می شود که در این میان شبکه سه لایه از قدرت پیش بینی بیشتری نسبت به شبکه چهار لایه برخوردار است.این تحقیق نشان می دهد که «به کارگیری مدلهای مبتنی بر شبکه عصبی توانایی مدیریتهای مالی را برای مقابله با نوسان...

     افزایش دقت تخمین رواناب در حوضه­های فاقد داده­های هواشناسی نقش مهمی در مدیریت صحیح منابع آب این حوضه­ها دارد. در این راستا شبیه­سازی خود همبسته می­تواند مفید واقع گردد. در مطالعه حاضر، کارایی سه مدل داده­کاوی شامل شبکه عصبی مصنوعی، برنامه­ریزی بیان ژن و ماشین بردار پشتیبان در کنار مدل­های سری زمانی برای پیش­بینی رواناب ماهانه در حوضه خرخره­چای مورد ارزیابی قرار گرفت. برای این منظور، در ابت...

بروز گره­های ترافیکی همواره به‌عنوان یکی از مهمترین معضلات جریان ترافیکی آزادراه­ها شناخته شده­اند. کشف سریع این گره‌های ترافیکی و رفع هر چه سریع­تر آنها همواره به‌عنوان یکی از دغدغه­های مسئولین و محققین در شریانهای اصلی بوده است. بنابراین ارایه مدلی مناسب برای تشخیص این گره­ها و انجام اقدامات لازم جهت تسریع در روان‌سازی جریان ترافیک به‌منظور کاهش اثرات ثانویه از اهمیت خاصی برخوردا...

  جهت کاهش خسارات ناشی از خشکسالی لازم است تا شرایط آینده از نظر خشکسالی تعیین گردد. در این پژوهش عملکرد مدل­های سری­های زمانی( ARIMA ) و شبکه عصبی (پرسپترون چند لایه) در پیش­بینی مقادیر SPI مقایسه گردید. بدین منظور در ابتدا مقادیر SPI سه، شش، نه و دوازده ماهه استان خراسان رضوی تعیین کرده و سپس با استفاده از مدل­های شبکه عصبی مصنوعی و سری­های زمانی اقدام به پیش­بینی مقادیر SPI گردید. نتایج این ...

در این تحقیق ماده مرکب زمینه اپوکسی پرشده با ذرات آلومینیم تهیه گردیده و با تغییر شرایط مختلف تراش کاری شامل: سرعت برش، کسر وزنی ذرات، عمق برش و نرخ پیشروی از قطعات مواد مرکب براده برداری صورت گرفته است. سپس زبری سطح قطعات اندازه گیری شده و برای پیش بینی اثر چهار عامل تراش کاری بر زبری سطح قطعات، با استفاده از دو نوع شبکه عصبی شامل: شبکه عصبی چند لایه پرسپترون و شبکه عصبی با تابع پایه شعاعی، مد...

به منظور مقایسه رگرسیون خطی و شبکه­های عصبی مصنوعی در برآورد ابعاد پیاز رطوبتی در سامانه آبیاری قطره­ای در اراضی شیب­دار، آزمایشاتی با قطره­چکان­ دارای دبی ثابت 4 لیتر در ساعت در مدت زمان­های آبیاری 4، 6، 8، 10 و 12 ساعت در اراضی با شیب های صفر، 5، 15 و 25 درصد با بافت خاک لوم­سیلتی در منطقه فتحعلی دشت مغان در چهار تکرار انجام گرفت. نتایج مقایسه ای تخمین عمق پیاز رطوبتی با آماره­هایr2 و ef و rm...

چکیده سابقه و هدف تکنولوژی ریزآرایه، یک تصویر کلی از میزان بیان هزاران ژن به طور هم زمان ارایه می‌دهد. تفسیر داده‌های ریز آرایه بدون آنالیز آماری و روش‌های هوش مصنوعی ممکن نیست. هدف این مقاله، تشخیص انواع لوسمی حاد با استفاده از مجموعه داده‌های ریز آرایه و الگوریتم‌های داده ‌کاوی بود. مواد و روش‌ها در این مطالعه توصیفی از داده‌های بیان 7129  ژن مربوط به 72 بیمار مبتلا به لوسمی استفاده شد. سپس ...

هدف این پژوهش ارزیابی کارآیی مدل شبکه عصبی مصنوعی برای تهیه نقشه پیش بینی رویشگاه های گیاهی در مراتع استان قم است. بدین منظور، با رویهم گذاری نقشه های شیب، جهت و ارتفاع، واحدهای همگن تهیه شدند و نمونه برداری از پوشش گیاهی و خاک انجام شد. در آخر نقشه مربوط به متغیرهای محیطی با استفاده از سامانه اطلاعات جغرافیاییو زمین آمار تهیه شد. برای تهیه مدل شبکه عصبی از پرسپترون چندلایه بهره‏گیری شد. پس از ...

شناخت ویژگی‌های فیزیکی دانه‌ی ‌گندم در فرآیند انتقال، جداسازی و ذخیره این محصول ارزشمند، نقش اساسی ایفا می‌نماید. در این مطالعه و در گام نخست، اثرات میزان بوجاری، رطوبت، دما و مدت زمان نگهداری روی برخی از ویژگی‌های فیزیکی (هکتولیتر، وزن هزار دانه و دانسیته توده) و میکروبی (شمارش کلی میکروارگانیسم‌ها و کپک‌ها) دانه‌ی گندم رقم n-80 بررسی شد و سپس داده‌های حاصله توسط شبکه‌‌ی عصبی مصنوعی مدل پرسپتر...