در این پایان نامه، از مدل شبکه عصبی موجک برای پیش بینی دانسیته آلکان ها از 2 تا 19 کربنه و سیکلوآلکان ها در محدوده ی وسیعی از دما و فشار استفاده شده است. دو شبکه عصبی موجک برای پیش بینی دانسیته مدل سازی شد: یکی برای گازهای طبیعی (آلکان های 2 تا 4 کربنه) و دیگری برای آلکان های خطی 5 تا 19 کربنه و سیکلوآلکان ها. در ابتدا، مدل شبکه عصبی موجک برای گازهای طبیعی با دو متغیر دما و فشار و توصیف‎کننده ب...

تولید ناخالص داخلی یکی از عمده ترین و کاربردی ترین شاخص های اقتصادی است؛ لذا پیش بینی آن،همواره توجه کلیه دست اندرکاران اقتصادی و علوم مرتبط را به خود جلب کرده است. هرچند روش های تجزیهو تحلیل سری زمانی و روش های غیرخطی همانند مدل های شبکه عصبی مدتهاست که برای پیش بینی این گونهمتغیرها به کار می روند، لیکن کاربرد ابزار توانمند موجک در پردازش داده ها و بررسی لایه های پنهان آن نشانمی دهد که سری زما...

چکیده: در این تحقیق، یک الگوریتم ترکیبی جدید به منظور جداسازی جریان هجومی از خطای داخل ترانسفورماتور، قابل پیاده سازی در حفاظت دیفرانسیل دیجیتال ترانسفورماتورهای قدرت، ارائه می گردد. الگوریتم نامبرده مبتنی بر مفاهیم ریاضی تبدیل موجک و شبکه عصبی می باشد. تبدیل موجک روشی قدرتمند در جداسازی و تجزیه یک سیگنال است. مزیت این روش، جداسازی سیگنال در حوزه فرکانس- زمان می باشد، یعنی بر خلاف روش های جدا ...

تغییرات اقلیم در بالا آمدن سطح آب‌های آزاد موثر بوده است. با توجه به اثرات آن در مدیریت سواحل و بنادر، افزایش سطح آب‌ها را بایست با استفاده از روشهای مناسب بررسی نمود. در تحقیق حاضر تأثیر تغییرات اقلیم در افزایش سطح آب دریا در ساحل جنوب ایران بررسی می‌گردد. پیش‌بینی کننده‌های بالا آمدن سطح آب دریا از متغیرهای آب و هوایی تعیین و برای انتخاب در میان متغیرهای مختلف شبیه‌سازی در این تحقیق از روش رگ...

امروزه، تشخیص دقیق و سریع عیب، یکی از مسائل اساسی در صنعت می باشد. به همین دلیل، تاکنون، الگوریتم های پیشرفته ی بسیاری بدین منظور به کار گرفته شده اند که اکثرا دارای پیچیدگی بسیاری بوده و یا نتایج مطلوبی را درپی نداشتند. پژوهش حاضر، روشی نوین جهت تشخیص عیب یاتاقان های موتورهای الکتریکی صنعتی و دسته بندی آن ها براساس قطر عیب و محل آن ارائه می نماید. در بخش ابتدایی، سیگنال ارتعاشی مرتبط با عیوب م...

مدل‏های پیش‏بینی صحیح و قابل اطمینان تراز آب زیرزمینی برای مدیریت منابع آب اهمیت دارند. در سال‏های اخیر استفاده از تحلیل موجک برای تجزیه سری‏های زمانی و ترکیب آن با شبکه‏های عصبی به صورت گسترده‏ای در مدل‏سازی پدیده‏های هیدرولوژیکی به کار رفته‏است. در پژوهش حاضر کاربرد مدل‏های شبکه عصبی، ترکیبی شبکه عصبی- موجک و رگرسیون خطی چندمتغیره در پیش‏بینی تراز آب زیرزمینی هفت حلقه پیزومتر واقع در دشت قم ب...

شبکه‌های عصبی فازی نوع-2 توانایی بالایی در شناسایی و کنترل سیستم‌های غیرخطی، سیستم‌های تغییرپذیر با زمان و نیز سیستم‌های دارای نامعینی دارند. در این مقاله روش طراحی کنترل‌کننده معکوس تطبیقی عصبی فازی نوع-2 جهت کنترل برخط سیستم‌های دینامیکی غیرخطی مورد بررسی قرار گرفته است. ابتدا ساختار کلاسی از شبکه‌های عصبی فازی نوع-2 بازه‌ای مدل T-S نمایش داده می‌شود. این شبکه هفت لایه دارد که عملیات فازی‌ساز...

آگاهی از اطلاعات دبی جریان در رودخانه ها برای مدیریت منابع آب، پیش بینی سیل، طراحی مهندسی و مدیریت زیست محیطی ضروری می باشد. مدل های ارائه شده همچون بارش-رواناب و سری های زمانی به منظور پیش بینی میزان آبدهی رودخانه ها به دلیل عدم دقت و پیچیدگی عوامل مؤثر در آبدهی در بسیاری از موارد با مقادیر مشاهده شده تطابق ندارد. موجک یکی از روشهایی است که در سالهای اخیر در زمینه هیدرولوژی مورد توجه قرار گرفت...

در سالهای اخیر رشد روز افزون جمعیت ، وسایل نقلیه و کارخانه ها باعث افزایش آلودگی هوا و ایجاد مشکلات زیادی برای محیط زیست بشر و سلامتی انسان شده است. یکی از مهمترین آلاینده ها، ذرات معلق می باشد که سبب بروز مشکلات تنفسی و قلبی در انسان می شود. هدف از این مطالعه مقایسه مدل های شبکه عصبی مصنوعی و شبکه عصبی فازی-تطبیقی در تخمین غلظت ذرات معلق در شهر تهران می باشد. در این تحقیق از داده های هواشناسی ...