خشکسالی پدیده­ای طبیعی است که می­تواند در هر جایی رخ دهد و خسارات قابل توجهی به بشر و سازه­های طبیعی وارد آورد. در این تحقیق به منظور پیش­بینی شاخص خشکسالیبارش استاندارد، از دو نوع شبکه­های عصبی­مصنوعی، پرسپترون چند لایه و تابع پایه­ی شعاعی و مدل­های سری­زمانی استفاده شد. به این منظور، در ابتدا مقادیر شاخص بارش استاندارد در دوره­های سه، شش، نه و دوازده ماهه­ی ایستگاه­های منتخب استان خوزستان محا...

پیش­بینی نوسانات سطح آب زیرزمینی، برای برنامه­ریزی مناسب­تر به­ویژه در مناطق خشک و نیمه خشک امری ضروری است. در این تحقیق برای پیش­بینی نوسانات سطح آب زیرزمینی در دشت مروست از مدل­های سری زمانی و شبکه عصبی استفاده شد. برای مدل­سازی، اطلاعات سطح آب زیرزمینی در طی سال­های 88-1366 استفاده و مدل­های مختلف سری زمانی تلفیقی و شبکه عصبی مصنوعی بر داده­ها برازش داده شد. کارآیی و دقت مدل­های آریما در پیش...

مدل های تولید داده مصنوعی به عنوان ابزار مناسبی جهت پیش بینی و تولید سری های زمانی جانشین یا یک سری بسیار طولانی مدت در مطالعات منابع آب شناخته شده و این مدل ها به طور وسیعی در سراسر دنیا توسط محققین مختلف مورد استفاده قرار می گیرد. این مدل ها برای تولید داده های مصنوعی سالیانه، ماهیانه و روزانه بارندگی یا جریان رودخانه ‏ای در طی دهه های اخیر توسعه داده شده اند. در این میان مدل های تولید داده م...

تورم به عنوان یکی از بنیادی ترین چالش های اقتصادی، در طول حیات اقتصادی هر کشور شناخته می شود، به همین دلیل پیش بینی روند تورم برای تنظیم سیاست های اقتصادی اهمیت به سزایی دارد. این نیاز موجب توجه جدی به کاربرد مدل های مختلف برای پیش بینی نرخ تورم شده است؛ و بدین منظور مدل های پیش بینی گوناگونی در رقابت با یکدیگر توسعه یافته اند. از این رو این پژوهش با هدف پیش بینی ماهیانه نرخ تورم در ایران برای ...

در دو دهه اخیر استفاده از مدل های غیرخطی در تخمین دبی رودخانه ها مورد توجه محققان واقع شده است که از آن جمله می­توان به مدل شبکه های عصبی مصنوعی، برنامه­ریزی ژنتیک، سری های زمانی، تبدیل موجک و ... اشاره نمود. تبدیل موجک از طریق تجزیه امواج به زمان و مقیاس همچون روش آنالیز فوریه شیوه نوینی را برای پردازش موج ارائه می دهد. در تبدیل موجک از موجک گسسته میر برای برآورد جریان متوسط ماهانه رودخانه لیق...

همواره پیش‌بینی سطح آب دریاچه‌ها در سطح دنیا از مهم‌ترین و پیچیده‌ترین فرایندهای هیدرولوژیکی است که برآورد آن می‌تواند در راستای جلوگیری از بروز وضعیت نامطلوب و مدیریت صحیح این اکوسیستم ارزشمند بکار گرفته شود. از اینرو در این پژوهش از چهار تکنیک محاسبات نرم موجک-شبکه عصبی مصنوعی (WANN)، شبکه عصبی مصنوعی (ANN)، مدل استنتاج عصبی-فازی تطبیقی (ANFIS) و برنامه‌ریزی بیان ژن (GEP) در محاسبه مقادیر پیش...

شهر تهران یکی از آلوده ترین شهرهای جهان است و آلودگی هوا در آن محیط زیست و زندگی مردم را تحت تاثیر قرار داده است . آلودگی در بیشتر مناطق شهر تهران بالاست و عوامل مختلفی در این آلودگی نقش دارند . در این تحقیق سری زمانی و روندهای مکانی آلاینده های و همچنین منابع موثر در این آلاینده ها مورد بررسی قرار گرفت . داده های مربوط به آلاینده های مونواکسیدکربن ،دی-اکسیدسولفور ، ذرات معلق ، اکسیدهای نیتروژن...

شبکه های عصبی مصنوعی‏، از جمله مد‎ل‎های ریاضی جدیدی هستند که با دقت بالا به مد‏‎ل‎بندی ساختار سر‏ی های زمانی غیرخطی می پردازند. مزیت این مدل ها در مقایسه با مدل های سری زمانی این است که نیاز به فرضیات محدود کننده نمی باشد. دقت برآوردگرهای حاصل از شبکه عصبی به عنوان یک مدل ناپارامتری از مسائل مهم می باشد. برای این منظور با استفاده از روش های خودگردان، می توان دقت برآوردگرها را در ساختارهای پیچید...

چکیده سیمان به عنوان یک کالای استراتژیک که جایگزینی برای آن وجود ندارد نقش عمده ای در روند توسعه اقتصادی تمامی جوامع، به خصوص کشورهای در حال توسعه مانند ایران دارد. سرمایه گذاری های انجام شده در بخش های عمرانی، مسکن، حمل و نقل و غیره همگی نشان دهنده اهمیت و نقش سیمان در فرآیند پیش برد این بخش ها بوده است. افزایش بی رویه قیمت سیمان از یک سو باعث افزایش قیمت تمام شده طرح های عمرانی و از سوی دیگر...

افزایش رخداد بارش‌های حدی و از سوی دیگر عدم بارش در یک گستره، خسارات قابل توجهی در دهه‌های اخیر به بوم‌سامانه‌های طبیعی و مصنوعی وارد ساخته است. از این رو پیش‌یابی مقادیر بارش برای مدیریت مناسب منابع آبی در این گستره­ها بسیار اهمیت دارد. هدف این پژوهش پیشنهاد مدل و بررسی دقت پیش‌یابی بارش ماهانه با روش‌های شبکه عصبی مصنوعی و مدل­های تصادفی در پهنه جنوب شرق کشور واقع در استان سیستان و بلوچستان م...