نتایج جستجو برای: برآورد رسوب با هوش مصنوعی

تعداد نتایج: 672642  

Journal: :Journal of Entomological Society of Iran 2023

شته جالیز Aphis gossypii Glover یکی از آفات مهم و خسارت‌زا با پراکنش گسترده دامنه میزبانی وسیع در مزارع گلخانه‌ها به‌شمار می‌آید. مدیریت رایج به استفاده حشره‌کش‌های شیمیایی منظور جلوگیری خسارت اقتصادی وابسته است. مطالعه حاضر، غلظت‌های کشنده زیرکشنده فلونیکامید دی‌کلرووس طریق زیست‌سنجی برآورد شد تاثیر (LC10 LC25) هر یک آنها روی فراسنجه‌های جدول زندگی شرایط گلخانه‌ای لوبیا چیتی بررسی شد. توجه تأث...

پایان نامه :وزارت علوم، تحقیقات و فناوری - دانشگاه لرستان - دانشکده کشاورزی 1393

برآورد مقدار بار رسوبی که یک جریان مشخص، قادر به حمل آن است یکی از موضوعات اصلی تحقیقات رسوب میباشد. بنابراین برای انتخاب مناسب ترین فرمول، نیاز به ارزیابی معادلات برآورد رسوب برای رودخانه های مورد نظر می باشد. در این راستا ارزیابی معادلات برآورد رسوب در ایستگاههای آبسنجی: بابارود، بند، پل بوکان، پل قشلاق، تپیک، داشبند _ بوکان، دره پنبه دان، دیزج، صفاخانه و قبقبلو مورد مطالعه قرار گرفت است. در ...

Journal: : 2023

عصاره گیاه رزماری، 4 برابر آنتی­اکسیدان‌­های مصنوعی مانند BHT و BHA خاصیت آنتی­اکسیدانی دارد. رزمارینیک اسید نه تنها به دلیل خواص قوی مورد توجه است بلکه خصوصیات ضدالتهابی، ضدتوموری، ضدباکتریایی، ضدویروسی ضدسرطانی را نیز در پژوهش‌­های مختلف نشان داده است. هدف از این تحقیق، بررسی اثرات دما، زمان، pH غلظت پرتودیده نشان‌دارسازی آن با رادیوایزوتوپ گالیم-67 عنوان یک عامل تصویربرداری وضوح بالا برای تو...

ژورنال: :بوم شناسی گیاهان زراعی 2006
محسن ایراندوست هدایت فهمـی امید طیاری

در شبکه های عصبی مصنوعی (ann) روش های موجود آموزش و واسنجی عصبی بر اساس ساختار پرسپترون چندلایه ای می باشد، لیکن این روش ها دارای مشکلات ناشی از عدم همگرایی در روش های یادگیری، عدم ثبات اوزان شبکه در شرایطی که طیف داده های ورودی دارای انحراف معیار بزرگ بوده و بالاخره نیاز به داده و اطلاعات فراوان جهت آموزش شبکه می باشند. برای غلبه بر مشکلات فوق در این تحقیق روش جدید ترکیبی شبکه عصبی مصنوعی – به...

تحلیل داده‌­های بار رسوب معلق در رودخانه‌­ها اساس شناخت روند فرسایش و رسوب در بحث مدیریت و برنامه‌­ریزی منابع آب و خاک است. به‌­دلیل عدم دسترسی به داده‌­های بار رسوب معلق روزانه با اندازه­‌گیری مستقیم، استفاده از روش‌­هایی برای مدل­‌سازی و برآورد آن در حوزه‌­های آبخیز حائز اهمیت است. یکی از روش‌­های مناسب مورد استفاده در این زمینه، به­‌کارگیری شبکه­‌های عصبی مصنوعی است. برای مدل­‌سازی بار رسوب ...

ژورنال: مرتع و آبخیزداری 2016

توجه به ماهیت داده­های رسوب و انتخاب روش­های مناسب پردازش بر روی داده­ها قبل از ورود به مدل­های هوش مصنوعی از جمله مواردی است که می­تواند نتایج حاصل از شبیه­سازی­ها را به واقعیت نزدیک سازد. در این تحقیق تأثیر روش­های پردازش داده­های رسوب قبل از ورود به دو مدل شبکه­های عصبی مصنوعی و سیستم­های استنتاج فازی-عصبی در هفت ایستگاه حوضه سد دز مورد بررسی قرار گرفته است. بر این اساس با توجه به توزیع­های ...

ژورنال: آبخیزداری ایران 2013
خزایی, مجید , صادقی, سیدحمیدرضا , میرنیا, سید خلاق ,

برآورد رسوب یکی از ارکان مدیریت حوزه‌های آبخیز می‌باشد. به‌همین جهت تاکنون تلاش‌های زیادی برای طراحی مدل‌های پیش‌بینی کننده آن و از جمله مدل-های شبکه ‌عصبی مصنوعی و مدل‌های رگرسیونی اشاره کرد. حال آن‌‌ که مقایسه عملکرد آن‌ها کم‌تر مورد توجه قرار گرفته است. بر این اساس پژوهش حاضر با هدف مدل‌سازی تلفات خاک ناشی از هفده رگبار به‌وقوع پیوسته در پلات‌های مستقر در جنگل تخریب‌شده و نشده در سه تکرار) د...

ژورنال: نشریه هیدروفیزیک 2018

محاسبۀ نرخ انتقال رسوب موازی ساحل به‌منظور مطالعۀ دقیق الگوی فرسایش و رسوب‌گذاری، از جمله مهم‌ترین موضوعات در مهندسی سواحل است. در پژوهش حاضر، نرخ انتقال رسوب موازی ساحل از اول فروردین ماه تا آخر تیرماه سال 1391 با استفاده از تله‌گیر ستونی معلق به‌صورت روزانه اندازه‌گیری (سواحل شهر نور، در شمال کشور ایران) شد. روابط تجربی موجود عمدتاً براساس روش‌های برازشی بر روی داده‌های م...

برآورد دبی ­اوج به‌عنوان یکی از مباحث اصلی در مدیریت منابع آبی و سیلاب  نقش اساسی در طراحی سازه‌­های آبی و اقدامات بیومکانیکی در حوزه­‌های آبخیز دارد، به‌طوری ‌که برآورد صحیح آن نقش اساسی در موفقیت کار­های اجرایی دارد. در این بررسی، سعی شده با استفاده از روش‌­های هوش مصنوعی (شبکه عصبی MLP، ترکیب شبکه عصبی MLP و شبکه SOFM، GRNN، ترکیب خوشه‌بندی FCM و ANFIS) دبی بیشینه رودخانه یلفان در محل ایستگا...

در هیدرولیک رسوب، برآورد صحیح غلظت رسوب معلق از جهات مختلف مانند تخمین دبی رسوب عبوری، جانمایی سازه های هیدرولیکی و غیره مهم می باشد. با توجه به اهمیت موضوع، در این مطالعه برای مدلسازی و پیش‎بینی غلظت رسوب رودخانه کارون از شبکه عصبی مصنوعی پرسپترون چند لایه(ANN/MLP) استفاده شد. بدین منظور از 125 سری داده صحرایی اندازه گیری شده شامل غلظت نزدیک کف، سرعت نقطه ای، نزدیکترین فاصله از ساحل، عمق کل جر...

نمودار تعداد نتایج جستجو در هر سال

با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید