منابع آب زیرزمینی یکی از مهم­ترین منابع تأمین آب می­باشند، از این­رو مدل­سازی آن­ها بسیار حائز اهمیت می­باشد. ارزیابی و پیش­بینی تراز آب زیرزمینی به پیش­بینی منابع آب زیرزمینی کمک می­کند. هدف این مطالعه ارزیابی عملکرد سه مدل رگرسیون خطی چندمتغیره (mlr)، مدل هیبرید موجک- شبکه عصبی (wnn) و شبکه عصبی مصنوعی (ann) در پیش­بینی سطح آب زیرزمینی (gwl)، بر مبنای دو معیار ریشه خطای مربع متوسط (rmse) و ضر...

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...

تجزیه و تحلیل ارتعاشات ماشین آلات دوار می تواند وضعیت عیوب بالقوه مانند نابالانسی، ناهمراستایی، محور خم، ترک محور، لقی بیرینگ ، مالش روتور، لقی، غلغله و شلاق روغن و سایر عیوب را نشان دهد. تشخیص عیوب روتور در سال های اخیر دارای اهمیت شده است. مقالات بسیاری چاپ شده که با عیوب تکی کار کرده اند، اما معمولاً، بیش از یک عیب می تواند در روتور رخ دهد. این پژوهش کاربرد شبکه عصبی مصنوعی و تبدیل موجک برای ...

پیش بینی کمیت تولید، نقشی اساسی در بهینه سازی و برنامه ریزی سیستم مدیریت مواد زاید جامد شهری دارد. اما به دلیل طبیعت ناهمگون و تأثیر عوامل متنوع و خارج از کنترل بر تولید، همواره با مشکلات زیادی همراه بوده است. شبکة عصبی مصنوعی اخیراً در بسیاری از کاربردهای مهندسی نظیر مهندسی محیط زیست به عنوان ابزاری قدرتمند در مدلسازی مورد توجه قرار گرفته است. در این تحقیق با توجه به دینامیک و پیچیده بودن سیستم...

شبیه‌سازی و ارزیابی آورد رسوب رودخانه از جمله مسائل مهم در مدیریت منابع آب می‌باشد. اندازه‌گیری مقدار رسوب به روش‌های متداول عموماً مستلزم صرف وقت و هزینه زیادی بوده، گاهی از دقت کافی نیز برخوردار نیست. در این پژوهش برای تخمین رسوبات رودخانه کشکان واقع در استان لرستان، از شبکه عصبی موجک استفاده شد و نتایج آن با روش‌های مرسوم هوشمند همچون شبکه عصبی مصنوعی مقایسه شد. پارامتر دبی، دما، میزان مواد ج...

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...

نظر به اهمیت تشخیص مکانیزه آفات گیاهان، در این پژوهش تشخیص آفت نخود توسط تکنیک پردازش تصویر با بهره گیری از شبکه های عصبی مصنوعی شبیه سازی شده است. بدین منظور تعدادی تصویر در ابعاد 18پیکسل از نخودهای سالم و آسیب دیده بعنوان تصاویر آموزش تهیه شده و پس از استخراج ویژگی آنها ×27 توسط موجک گابور، بعنوان داده های آموزشی به شبکه عصبی اعمال گردید. سپس برای تست شبکه، یک دسته از داده ها که در آموزش شبکه...

در این تحقیق پیش­بینی تراز آب زیرزمینی حوضه آبریز شریف­آباد استان قم با بهره­گیری از برخی مدل­های هوشمند می­باشد. به این منظور از داده­های ماهیانه تراز آب زیرزمینی در سه حلقه چاه مشاهده­ای واقع در حوضه آبریز شریف­آباد در مدل سازی­ها استفاده شده است. جهت مقایسه نتایج حاصل از مدل­های هیبرید آنالیز موجک-شبکه عصبی (wnn)، برنامه­ریزی ژنتیک (gp)، رگرسیون خطی چند متغیره (mlr) و شبکه عصبی مصنوعی (ann) ...

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...

تبدیل موجک یکی از روش­های نوین و بسیار موثر در زمینه تحلیل سیگنال­ها و سری­های زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، داده­های حاصل به­عنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی برای پیش­بینی خشکسالی ارائه می­گردد. در این تحقیق، از شبکه­های عصبی مصنوعی پرسپترون چند لایه (MLP) و تابع پایه‌ای شعاعی ((RBF، سری زمانی AR...