آنچه سامانه های اطلاعات مکانی (gis) با آن روبه رو هستند، اطلاعاتی است که در قالب لایه های مکانی مدون گشته اند. یکی از مهم ترین وظایف سامانه های اطلاعات مکانی تحلیل لایه ها به منظور مدل سازی پدیده های مکان مرجع است. عدم توجه کافی به چنین مدل سازی هایی می تواند منجر به نتایج غیرواقعی در تصمیم گیری های مکانی و در پی آن خسارات مالی زیادی شود. در بسیاری از مدل سازی های مکانی، راه حل تحلیلی خاصی برای...

آزمایش پرسیومتری(فشارسنجی)، یکی از مهم ترین آزمایش های برجای مهندسی ژئوتکنیک است. این آزمایش قادر به تخمین بسیار مناسبی از پارامترهای تغییر شکلی خاک است. در این تحقیق از سه نوع شبکه ی عصبی مصنوعی(a n n) به منظور مدل سازی آزمایش پرسیومتری(فشارسنجی) استفاده شده است. برای این منظور ابتدا از پرسپترون چندلایه ــ یکی از پرکاربردترین شبکه های عصبی ــ استفاده شد و در ادامه، با استفاده از شبکه ی نوروفاز...

پیش‌بینی مؤلفه‌های باد از جمله سرعت باد یکی از عوامل مهم به خصوص در بحث تبخیر در یک حوزه آبخیز محسوب می‌گردد. در این مقاله سعی گردید، جهت افزایش کارایی مدل‌های هوش مصنوعی، در پیش‌بینی سرعت باد، دو مدل شبکه عصبی و فازی-عصبی با تئوری موجک ترکیب شده و دو مدل هیبرید جدید ارائه گردید. در این تحقیق با استفاده از برخی پارامتر‌های اقلیمی ایستگاه همدیدی یزد از جمله سرعت باد، دمای متوسط، دمای بیشینه، رطو...

در این نوشتار با ارائه‌ی نمونه‌ی عملی فرایند «افشانه‌ی خشک‌کنندهپانویس{s‌p‌r‌a‌y d‌r‌y‌i‌n‌g}»، مدل‌سازی فرایندها با استفاده از مدل‌های رگرسیون لجستیک و الگوریتم شبکه‌ی عصبی مصنوعی با هدف پیش‌بینی )برون‌یابی و درون‌یابی( عملکرد فرایند به کار گرفته می‌شود. به‌منظور مقایسه‌ی قدرت هرکدام از این دو مدل در پیش‌بینی عملکرد فرایند، شاخص‌های ارزیابی پایایی مدل، شامل ضرایب تعیین مدل و درصد صحت پیش‌بینی،...

جهت ارزیابی عملکرد پاشش یک سمپاش زراعی نرخ متغیر، از روش شبکه عصبی مصنوعی استفاده شد. داده های لازم برای مدل سازی، از آزمون های مزرعه ای به دست آمد. برای مدل سازی بده خروجی افشانک ها،727 شبکه با چهار نوع مدل عصبی مصنوعی خطی، پرسپترون چندلایه، تابع پایه شعاعی و رگرسیون تعمیم یافته آزمون شدند. برای هر افشانک 45، 22 و 23 داده به ترتیب برای آموزش، اعتبارسنجی و آزمایش استفاده شد. مدل تابع پایه شعاعی...

در این مقاله از مدل فازی عصبی برای برآورد خواص مخزن با استفاده از نشانگرهای لرزه ای استفاده شده است. الگوریتم "درخت مدل خطی‌محلی(LOLIMOT)" برای آموزش مدل به‌کار رفته است. این مدل از نگارهای چاه و نشانگرهای لرزه ای در محل چاه در مرحله آموزش استفاده می‌کند. شبکه فازی عصبی آموزش‌‌دیده برای برآورد خصوصیات مخزن با استفاده از نشانگرهای لرزه‌ای مورد استفاده قرار می‌گیرد. این روش در یک تاقدیس هیدروکربن...

در این مقاله، یک رویکرد جدید مدل­سازی برای مدل‌های شبکه عصبی مصنوعی بر مبنای مفاهیم شبکه­های عصبی و رگرسیون فازی ارائه شده است. به این منظور، مدل شبکه عصبی مصنوعی در قالب یک مدل رگرسیون غیرخطی فازی فرموله شده است، به نحوی که این مدل، مزایای هر دو مدل رگرسیون فازی و شبکه عصبی مصنوعی را دارد. بنابراین، این مدل به دلیل انعطاف­پذیری بالا، قابلیت استفاده در شرایط نبود قطعیت، مبهم یا پیجیده را دارد. ...

هدف اصلی این تحقیق دستیابی به یک سبد سرمایه مناسب تر برای سرمایه گذاران ریسک پذیر است. در این تحقیق مدل مارکوتیز در تئوری سبد سرمایه به عنوان مدل مقایسه ای استفاده شده است و مدل شبکه عصبی با آن مقایسه شده است. الگوی یادگیری شبکه عصبی، الگوی «پس انتشار خطا» می باشد. سبد انتخابی شامل بیست سهم از بازار بورس اوراق بهادار تهران است که برای یک دوره سیزده ماهه مورد مطالعه قرار گرفته است. در هر دو مدل ...

توانایی کم­نظیر شبکه­های عصبی مصنوعی به عنوان ابزاری قدرتمند برای تحلیل و برآورد در حوزه علوم تجربی و مهندسی موجب شد تا مورد توجه اقتصاددانان قرار گیرد. در این پژوهش، پس از مرور پژوهش­های انجام­شده در مورد توانایی پیش­بینی مدل­های خود توضیح جمعی میانگین متحرک (arima)[1]و شبکه­های عصبی مصنوعی(ann)[2] به مقایسه این دو روش برای پیش­بینی قیمت روزانه نفت در دوره آوریل 1983 تا ژوئن 2005 پرداخته­ایم. ...

خشک سالی پدیده ای است که برای پیش بینی آن نمی توان از مدل مشخصی استفاده کرد. بر این اساس، محققان تلاش می کنند با استفاده از مدل های پیشرفته دقت پیش بینی ها را افزایش دهند. در این زمینه، مدل های استوکاستیک خطی، شبکة عصبی مصنوعی، و مدل های هیبرید می توانند در دقت پیش بینی مفید باشند. تحقیق حاضر به بررسی کارایی مدل های اتورگرسیو میانگین متحرک تجمعی (arima)، شبکة عصبی مصنوعی مستقیم (dmsnn)، شبکة عص...