نویز صوتی حاصل از موتورخانه یک کشتی می تواند باعث ایجاد مزاحمت و ناراحتی برای خدمه کشتی در حین استراحت یا کارگران درون موتورخانه باشد. هم چنین نویز حاصل می تواند عوارض و آسیب های فراوانی را برای خدمه و مسافران کشتی ایجاد کند. کنترل فعال نویز بر پایه ی تولیدیک سیگنال نویز دیگر از یک منبع ثانویه و تداخل آن با نویز تولید شده از منبع اصلی استوار است.در اینمقاله، قصد بر آن است که کنترل فعال نویز صوت...

در مطالعه حاضر پس از ساخت و راه اندازی یک آبگرمکن سهموی خورشیدی با استفاده از شبکه عصبی مصنوعی مدلی کارآمد برای پیش بینی راندمان آبگرمکن پیشنهاد می شود. شبکه عصبی دارای توانایی برقراری ارتباط منطقی میان پارامترهای ورودی و هدف است. زمانی که شرایط برای اندازه گیری داده ها مطلوب است، راندمان به عنوان تابعی از پارامترهای ورودی شبکه آموزش می یابد و از تابع آموزش یافته شبکه می توان برای پیش بینی راند...

شبه‏کلاتریت‏ها ساختارهایی جدید از هیدرات‏های گازی هستند که شرایط ترمودینامیکی تشکیل هیدرات گازی در آنها از هیدرات‏های کلاتریت بسیار راحت‏تر است. مدل‏های ارایه‏شده برای پیش‏بینی شرایط ترمودینامیکی شبه‏کلاتریت‏ها انگشت‏شماراند. در کار حاضر از ابزار شبکه عصبی مصنوعی با ساختار پرسپترون چندلایه برای پیش‏بینی شرایط ترمودینامیکی تشکیل هیدرات شبه‏کلاتریت برای سیستم‏های آب + تترا ان- بوتیل آمونیوم کلرای...

به‌طور کلی برای اداره و بهره‌برداری بهینه و پایدار از جنگل، آگاهی از موجودی حجمی جنگل و تولید آن ضروریست. برآورد دقیق موجودی حجمی به روش‌های متداول به‌طور عموم مستلزم وقت و هزینه زیادی است و گاهی نیز دارای دقت کافی نیست. یکی از روش‌های نوین در برآورد مشخصه‌های کمی جنگل استفاده از الگوریتم شبکه عصبی مصنوعی است که با الگوبرداری از شبکه عصبی مغز انسان، با اجرای فرآیند آموزش روابط درونی بین داده‌ها...

مصرف گاز طبیعی به عنوان یکی از مهم‌ترین حامل‌های انرژی، طی سالیان اخیر روند صعودی را داشته و مدیریت مصرف و برنامه‌ریزی جهت تأمین نیازهای آن، نیازمند شناخت وضعیت مصرف کنونی و پیش‌بینی روند آتی آن می‌باشد. با معرفی و کاربرد گسترده مدل‌های مختلف همچون شبکه‌های عصبی مصنوعی جهت برآورد روند آتی مصرف و از طرفی تصادفی بودن آن‌ها، آگاهی از دقت این مدل‌ها جهت نیل به هدف پیش‌بینی دقیق‌تر، اهمیت بیشتری یاف...

امروزه شبکه های عصبی مصنوعی جایگاه ویژه ای در حیطه مالی پیدا کرده است. پژوهش حاضر به دنبال یافتن روش بهتر برای ساخت و آموزش شبکه های عصبی مصنوعی است که منجر به پیش بینی دقیق‌تر در موضوع ورشکستگی شود. در این میان سه شبکه عصبی از نوع توابع شعاع مدار ساخته شد که به صورت جداگانه توسط متغیرهای مدل آلتمن (1983)، اسمایوسکی (1984) و ترکیبی آموزش داده شدند. پس از سنجش توانایی سه مدل در پیش بینی ورشکستگی...

در این تحقیق سیستم تعادلی پایپرزین-آب- دی‌اکسیدکربن با استفاده از مدل‌های شبکه عصبی مدل سازی شده است. در مدل از دو شبکه عصبی MLP, RBF استفاده شده است. در یادگیری شبکه‌ها الگوریتم پس انتشار خطا به کار رفته است. برای آموزش و تست شبکه های عصبی یک مرور کلی بر کارهای تجربی در زمینه حلالیت دی اکسیدکربن در محلول آبی پایپرزین انجام شده و داده های تجربی جمع‌آوری و طبقه بندی شده است. نتایج شبکه های عصبی ...

در این مطالعه، به بررسی اثرات پارامتر‌های مختلف فرآیند نورد داغ و پیش بینی نیرو و گشتاور نورد با استفاده از مدل‌های شبکه عصبی مصنوعی و المان محدود سه بعدی پرداخته شده است. برای این منظور داده های به‌دست آمده از شبیه سازی المان محدود سه‌بعدی برای آموزش و ارزیابی شبکه، وارد شبکه عصبی می شوند و پس از آموزش و ارزیابی، شبکه قادر خواهد بود که نیرو و گشتاور نورد را پیش بینی کند. نتایج پیش بینی شده از ...

سیستم های قدرت مدرن امروزی در سطح امنیت پایینتری به دلیل تجدید ساختار و مشکل افزایش ظرفیت های انتقال بهره برداری می شوند. وقوع خاموشی های گسترده در سالهای اخیر بیانگر افزایش قابل توجه آسیب پذیری سیستم های قدرت در برابر اغتشاشات می باشد. یکی از آخرین اقدامات کنترلی جهت کنترل شبکه و حفظ پایداری، بارزدایی می‌باشد. در این مقاله یک روش بارزدایی فرکانسی بهینه بلادرنگ با استفاده از شبکه های عصبی مصنوع...

پیش‌بینی کمیت تولید، نقشی اساسی در بهینه‌سازی و برنامه‌ریزی 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...