در قسمت نخست مدلسازی و پیش بینی فاکتور مهاجرت برخی از مشتقات بنزن درکروماتوگرافی الکتروسینتیکی مایسلی با استفاده از رگرسیون خطی چندتایی و شبکه عصبی مصنوعی انجام گرفت. بدین منظور ابتدا مولکول هایی به عنوان سری داده ها انتخاب شدند. این مولکولها به سه سری آموزشی، پیش بینی و ارزیابی تقسیم شدند. سپس توصیف کننده های الکترونی، توپولوژی، هندسی و کوانتوم – شیمیایی برای تمام مولکول ها مورد محاسبه قرار گر...

مطالعه ارتباط کمی ساختار-بازداری (qsrr) روی زمان های بازداری کروماتوگرافی گازی (دتکتور نشر اتمی) سری وسیعی از آفت کش های مختلف روی فازهای ساکن با قطبیت متفاوت (5-db فاز ساکن غیر قطبی و 17-db فاز ساکن با قطبیت متوسط) صورت گرفته است. مدل سازی زمان بازداری این ترکیبات به صورت تیوری به عنوان تابعی از توصیف کننده های مولکولی مختلف به وسیله روش های خطی و غیر خطی انجام شد. با استفاده از روش رگرسیون خط...

در این تحقیق از روش های مبتنی بر هوش مصنوعی شامل شبکه عصبی مصنوعی (ann)، عصبی-فازی در قالب دو روش anfis و canfis و روش ترکیبی عصبی با الگوریتم ژنتیک (annga) برای مدل سازی تبخیر تعرق گیاه مرجع (et0) و گیاه سیر (etc) استفاده شد. نتایج به دست آمده از مدل های هوشمند با داده های سال های 1376 و 1377 لایسیمتر زهکش دار برای گیاه مرجع چمن و سال های 1387 و 1388 برای گیاه سیر واسنجی شد. داده های هواشناسی ...

امروزه سیستم های قدرت به دلیل افزایش بارگذاری و همچنین مسائل اقتصادی و زیست محیطی، بسیار نزدیک به حدود پایداری خود مورد بهره برداری قرار می گیرند. برای استفاده کامل از ظرفیت یک سیستم قدرت، لازم است تمهیداتی برای مقابله با اغتشاش های احتمالی در نظرگرفته شود تا سیستم قادر به حفظ پایداری خود باشد. عدم پایداری یک سیستم موجب مشکلاتی در سیستم خواهد شد. یکی از این مشکلات وقوع نوسانات فرکانس پائین (lfo...

در دو دهه گذشته، ارائه و بهبود مدل های پیش بینی با استفاده از سری زمانی مورد توجه بسیاری از محققین قرار گرفته است. در تجزیه و تحلیل سری های زمانی با استفاده از مدل های سنتی مانند armaکه بر دو فرض ایستایی و خطی بودن بنیان نهاده شده است، بعضا تردیدهایی ایجاد شده است. به همین دلیل پژوهشگران با روش های جایگزین مانند شبکه های عصبی مصنوعی سعی در بهبود نتایج پیش بینی ها دارند. پژوهش ضمن بررسی جامع ادب...

زمانبندی معاملات سهام مسأله ای بسیار مهم و مشکل به دلیل پیچیدگی بازار سهام است. آنچه اهمیت دارد پیش بینی روند قیمت سهام است که هدف اصلی در مباحث تحلیل تکنیکی است. گرچه این امر به دلیل دخالت عوامل متعدد بازار و روابط بین آنها چندان آسان نیست. به نظر می رسد استفاده از ابزارها و الگوریتمهای محاسباتی پیچیده تر مانند شبکه های عصبی مصنوعی در مدلسازی فرآیندهای غیر خطی که منتج به قیمت و روند سهام می شو...

تعیین مقدار اسید­های آمینه مواد خوراکی بعلت آنالیزهای شیمیایی و صرف زمان در آزمایشگاه گران و وقت گیر است. در روش­های آزمایشگاهی کنونی روش هضمی1 NIRS به طور گسترده­ای برای این هدف استفاده می­شود. ولی این روش دارای محدودیت­های تکنیکی است. بنابراین یافتن روشی مناسب برای تخمین میزان اسید­های آمینه دارای اهمیت می­باشد. شبکه عصبی مصنوعی (ANN) می­تواند انعکاس بهتر و دقیق­تری را از رابطه میان ترکیبات ت...

زمینه: در پژوهش حاضر به شناسایی عوامل موثر بر پیش بینی ورشکستگی شرکتهای ایرانی با استفاده از سیستم شبکه های عصبی مصنوعی (ANN) بر مبنای رویکرد پرسپترون چندلایه (PS) و ارائه یک مدل آماری مناسب به منظور برآورد ورشکستگی شرکتهای ایرانی، با استفاده از یافته های حاصل از اجرای شبکه ANN پرداخته شده است. هدف: در پژهش حاضر به دنبال پاسخ گویی به این پرسش هستیم که آیا عوام...

چکیده: تبخیر و تعرق مرجع یکی از پارامترهای مهم در مدیریت آبیاری گیاهان است و معمولا بر مبنای داده های هواشناسی چند ساله و با استفاده از مدل ها برآورد می شود. اهمیت زیاد این پارامتر در مسائل آبیاری، لزوم استفاده از روش های جدید داده کاوی را نشان می دهد. در این پژوهش امکان برآورد تبخیر و تعرق مرجع با استفاده از مدل های ترکیبی رگرسیون چندگانه و تحلیل مولفه های اصلی (mlr-pca) و مدل شبکه عصبی مصنوع...

تبخیر و تعرق یکی از اجزای اصلی چرخه هیدرولوژی و تخمین نیاز آبیاری است. در این تحقیق پتانسیل سیستم استنتاج تطبیقی عصبی- فازی (anfis) و شبکه عصبی مصنوعی (ann) در برآورد تبخیر و تعرق مرجع (eto) روزانه مورد بررسی قرار گرفت. از داده های روزانه سال های 1389و1390 مربوط به ایستگاه هواشناسی سنندج استفاده شد. داده های مورد استفاده در این تحقیق، شامل دمای ماکزیمم، دمای مینیمم، رطوبت نسبی حداکثر، رطوبت نسب...