فلیکر ولتاژ به نوسانات فرکانس پایین مدوله‌شده بر یک موج حامل ولتاژ گفته می‌شود. به‌منظور کاهش فلیکر، منابع فلیکری موجود در شبکه بایستی شناسایی گردند. در این پژوهش، روش جدیدی بر پایه تئوری توان فلیکری و تبدیل موجک و دمدولاسیون همدوس برای مشخص نمودن محل دقیق منبع فلیکر تکی یا چندتایی در شبکه‌های قدرت با چندین منبع فلیکر پیشنهاد شده است. دمدولاسیون همدوس و تبدیل موجک برای دمدولاسیون مؤلفه‌های فرکا...

چکیده آب‌های زیرزمینی همواره به عنوان یکی از منابع مهم و عمده­ ی تأمین آب شرب و کشاورزی به ویژه در مناطق خشک و نیمه­ خشک مطرح بوده‌اند. به منظور آگاهی از وضعیت این منابع و مدیریت بهینه­ ی آنها، لازم است پیش‌بینی دقیقی از نوسانات سطح آب زیرزمینی صورت گیرد. در این تحقیق اطلاعات 15 پیزومتر موجود در دشت اردبیل مورد استفاده قرارگرفت. از تبدیل موجک و روش خوشه‌بندی به ترتیب برای پیش‌پردازش زمانی و مک...

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 ...

هدف از این تحقیق شناسایی تغییر بافت های لرزه ای با استفاده از تبدیل زمان-بسامد (مقیاس) سیگنال های لرزه ای است. شناسایی گستره بافت های لرزه ای می تواند در تفسیر داده های لرزه ای کمک شایانی در تهیه مدل های زمین شناسی داشته باشد. تبدیل موجک که تصویری از سیگنال در مقیاس های گوناگون را عرضه می کند در شناسایی بافت های لرزه ای می تواند مفید باشد. انتخاب مناسب تابع موجک در شناسایی نحوه تغییر خواص سیگن...

امروزه از شبکه های عصبی در زمینه های تحقیقاتی مختلف مانند محاسبات هوشمند، کنترل، شناسایی، پیش بینی سری های زمانی وغیره استفاده می شود. این شبکه ها به دو گروه شبکه های عصبی پیشرو و شبکه های عصبی بازگشتی طبقه بندی می شوند. شبکه های عصبی پیشرو استاتیکی می باشند به این مفهوم که خروجی آنها فقط به ورودی های فعلی شبکه بستگی دارد و این شبکه ها حافظه ندارند. شبکه های عصبی بازگشتی یک تعمیم از شبکه های عص...

چکیده در این پایان نامه تشخیص جزیره ای شدن تولیدات پراکنده، با استفاده از تبدیل موجک سیگنالهای گذرا در ریزشبکه ها بررسی شده است. همچنین روشی سریع جهت تشخیص جزیره ای به کار برده شده است که بر اساس اندازه گیری سیگنالهای جریان و ولتاژی است که با استفاده از تبدیل موجک گسسته تحلیل شده اند. اندازه گیری این سیگنالهای جریانی و ولتاژی قبل از قطع کننده (بریکر) اصلی ریزشبکه بوده و مشخصه های آنها توسط تبد...

در این مقاله روش کمینه‌سازی توابع هدف با کمک شبکه‌های عصبی موجک چند لایه، جهت مدل‌سازی توموگرافی یونوسفر به عنوان یک روش جدید ارائه شده است. براساس روش توموگرافی، تابع هدفی تعریف گردیده و سپس با کمک شبکه‌های عصبی موجک چند لایه (WNN) طراحی شده، مقدار این تابع هدف به کمترین میزان خود می‌رسد. جهت بهینه‌سازی وزن‌ها و بایاس‌ها در شبکه‌های عصبی، می‌بایستی از یک الگوریتم آموزش مناسب بهره گرفت. به همین...

در تلاش برای حل مسائل برنامه ریزی چندهدفه بسیاری از روش های ریاضی و تصادفی توسعه یافته اند. در واقع روش حل این مسائل به ساختار مدل مساله وابسته است. اما بسیاری از مسائل دنیای واقعی در اهداف و یا قیدها ساختار نامعین دارند که باعث می شود بکارگیری این روش ها در آنها با مشکل مواجه شود. برای حل این مشکل از سیستم های هوشمند و مولفه های هوش محاسباتی نظیر محاسبات فازی، شبکه های عصبی، الگوریتم های تکامل...

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...

امروزه مدیریت در برداشت و مصارف آب به توان و پتانسیل آبدهی و کیفیت منابع آب وابسته است. از اینرو بررسی و پیش بینی تغییرات پارامترهای کیفی آب در طول یک رودخانه بایستی مورد توجه قرار گیرد. جهت تحقق این امر، مدل های متعددی در زمینه مدیریت و پیش بینی کیفیت آب استفاده می شود. پیش بینی دقیق سری زمانی، انگیزه محققان برای توسعه مدل های نو در زمینه مدیریت منابع آب می باشد. یکی از روشهایی که در سالهای اخ...