تخمین پارامترهای دیریافت خاک با استفاده از اطلاعات موجود خاک، توابع انتقالی نامیده می شود. جهت توسعه توابع انتقالی می توان از مدل های رگرسیون چند متغیره، شبکه عصبی مصنوعی و نروفازی استفاده کرد. بنابراین در این مطالعه به منظور مقایسه مدل های مذکور، 153 نمونه جمع آوری شده از ناحیه شمالی شهرستان رشت مورد آزمایش قرار گرفته و درصد شن، سیلت، رس و کربن آلی به عنوان ویژگی های زودیافت و ظرفیت تبادل کاتی...

به منظور واسنجی داده‏های دستگاه القاگر الکترومغناطیس از روش‏های مختلفی استفاده می‏شود. سؤال پیش رو این است که کدام یک از تکنیک‏ها قابلیت بیشتری برای برآورد غیرمستقیم داده‏های شوری خاک دارند. برای پاسخ به این پرسش، در پژوهش حاضر، از 600 نمونه خاک جمع‏آوری شده از منطقة اردکان برای واسنجی داده‏های هدایت الکتریکی ظاهری خاک با استفاده از روش‏های رگرسیونی و هوش مصنوعی بهره گرفته شد. در این راستا، داد...

در این مطالعه از مدل نروفازی برای تهیه نقشه حساسیت خطر لغزش حوزه آبخیز واز در محیط سیستم اطلاعات جغرافیایی (gis) استفاده گردید. موقعیت لغزش­های منطقه از طریق پایش میدانی و عکس­های هوایی مشخص گردید. در مرحله بعد عوامل موثر در بروز زمین لغزش نظیر ارتفاع، سنگ­شناسی، شیب، جهت، فاصله از رودخانه، فاصله از جاده، فاصله از گسل، بارندگی و کاربری اراضی رقومی گردید. سپس مناطق حساس به زمین لغزش با استفاده ا...

در طول یکصد سال گذشته، علت حدود 32 درصد از تخریب های گزارش شده در سدهای خاکی، پدیده تراوش و نشت از قسمت های مختلف بوده است. از اینرو بررسی و پیش بینی تغییرات تراوش در سدهای خاکی می بایست مورد توجه قرارگیرد. جهت تحقق این امر مدل های مختلفی در زمینه تخمین تراوش مورد استفاده قرار می گیرد، پیش بینی دقیق سری زمانی و یافتن مدلی که هرچه دقیق تر بتواند تراوش را تخمین بزند انگیزه محققان برای توسعه مدل ه...

یادگیری عاطفی می تواند به عنوان یک الگوریتم مناسب یادگیری، در مواقعی که سیستم کاملاً مدلل شده نیست، ارائه گردد. در این مقاله، روش یادگیری عاطفی بر پایه مدل نروفازی تاکاگی سوگنو پیاده سازی شده است که از کارایی بالا و انعطاف پذیری بهتری نسبت به دیگر روش ها برخوردار می باشد.کاربردی که در این مقاله مورد توجه قرار گرفته است، کنترل سیستم حرارتی- برودتی و گلخانه ای بوده که استفاده زیادی در صنایع و کشاو...

پیش بینی آورد رودخانه در مدیریت منابع آب از اهمیت فراوانی برخوردار است، اما به دلیل عدم قطعیت بالا در عواملی که فرآیند بارش- رواناب را سبب می‌گردند، همواره با مشکلاتی همراه بوده است. یکی از روش‌هایی که می‌تواند این مشکل را تا حدی کاهش دهد، تحلیل‌ عدم قطعیت پیش‌بینی‌های انجام شده می‌باشد. این تحلیل‌ها در مدل‌های آماری سابقه طولانی دارند، ولی برای مدل‌های شبکه عصبی و نروفازی کمتر مورد استفاده قرا...