در این مقاله روش جدیدی برای مدل سازی خطی سیستم های غیر خطی ارائه می گردد . اساس روش پیشنهادی طراحی یک شبکه عصبی مصنوعی دو لایه و‌آموزش آن بر مبنای داده های ورودی- خروجی است . وزن های اتصالات این شبکه ضرایب تابع تبدیل هستند . در سیستم هایی که رفتار آنها خطی باشد ، روش حداقل کردن مربعات خطا (lse) بهترین نتایج مدل سازی را ارائه می نماید . در سیستم هایی که رفتار غیر خطی دارند ، نظیر بعضی قسمت های ب...

افزایش حجم ترافیک و ایجاد گره­های ترافیکی در راههای بین‌شهری و همچنین شبکه ترافیک شهری سبب کاهش کارایی شبکه ترافیکی و راههای مورد نظر می­شود. پیش­بینی و کشف هرچه سریعتر این گره­های ترافیکی می­تواند کمک شایانی به حل مشکل و روان‌سازی جریان ترافیک نماید. شبکه­های عصبی مصنوعی نشان داده­اند که با تکیه بر قابلیت یادگیری خود می­توانند عملکرد بسیار مناسبی در این زمینه از خود نشان دهند. هدف اصلی این...

فرآیند نورد در کانال همسان زاویه‌دار از فرآیندهای تغییر فرم شدید پلاستیک جهت دستیابی به ساختار فوق‌ریز دانه می‌باشد. در این مقاله به بررسی این فرآیند و تأثیر پارامترهای آن به کمک مدل‌سازی شبکه‌ی عصبی مصنوعی و رگرسیون غیرخطی پرداخته‌شده است. به‌منظور پیش‌بینی خواص مکانیکی نمونه آلومینیم 6061 حاصل از فرآیند نورد در کانال همسان زاویه‌دار از شبکه عصبی پس انتشار پیش‌خور استفاده‌شده است. پارامترهای ز...

در این پژوهش، از مدل های تجربی و شبکه های عصبی مصنوعی برای پیش بینی محتوای رطوبت تعادلی بذر و مغز آفتابگردان استفاده شد. چهار مدل ریاضی هندرسون اصلاح شده، چانگ-پی فاست، هالسی و گب برای این منظور بکار رفت. دو نوع شبکه پس انتشار (پیشرو و پیشخور) مورد آزمون قرار گرفت. به منظور آموزش الگوهای ورودی، الگوریتم یادگیری لونبرگ-مارکوارت مورد استفاده قرار گرفت. محدوده های دما و رطوبت نسبی به ترتیب بین 25 ...

شبیه سازی سیستم آبهای زیرزمینی به دلیل پیچیدگی های موجود در طبیعت این سیستم ها، به آسانی میسر نیست. این درحالیست که شبکه های عصبی مصنوعی به عنوان مدل جعبه سیاه با توانایی های بالایی که دارند برای مدل سازی سیستم های پیچیده و غیرخطی بسیار مناسب می باشند. لذا، با توجه به مشکلات فراوان مدل سازی آبخوانها با مدل های ریاضی، شبکه های عصبی مصنوعی برای پیش بینی سطح ایستابی در آبخوانها توسط محققین بکار رف...

پیش­بینی در هیدرولوژی به معنی تخمین شرایط هیدرولوژیکی و هواشناسی در یک بازه زمانی خاص می­باشد. در همین راستا، فهم رابطه بین بارش و رواناب یکی از ضروری ترین مسائل برای مدیریت منابع آب می باشد. پژوهش حاضر با هدف مقایسه بین مدل های مختلف شبکه عصبی مصنوعی (mlp وrbf) و سری های زمانی آرما (arma) در برآورد دبی ماهانه در حوزه آبخیز طالقان برای یک دوره 30ساله بین سال های 1356 تا 1386 پی­ریزی شد. در روش ...

آگاهی از میزان تقاضای انرژی برق در هر دوره، به منظور برنامه ریزی دقیق، برای اعمال سیاست گذاری های لازم، امری ضروری است. از این رو پیش بینی تقاضای آن برای بخش های مختلف اقتصادی حائز اهمیت است. امروزه از بین روش های پیش بینی، شبکه های عصبی مصنوعی، در زمینه تجزیه و تحلیل و مدل سازی روابط غیرخطی یکی از ابزار قدرتمند به حساب می آید که استفاده از آن در سال های اخیر در اقتصاد کلان گسترش یافته است. از ...

با توجه به محدودبودن منابع آب شیرین در جهان، استفادۀ مجدد از پساب های شهری تصفیه شده به خصوص در مناطق خشک و نیمه خشک مانند ایران ضرروی به نظر می رسد. از این رو تصفیۀ صحیح، مدیریت و کنترل فرایند تصفیه نیازمند بررسی دقیق پارامترهای مـؤثر در این فرایند است. لذا با توجه به عدم قطعیت در پارامترهای کیفی فرایند تصفیه و پیچیدگی ارتباط آن ها، در این مطالعه از مدل های هوش مصنوعی مانند فازی (fl) و شبکه ها...

دمای هوا که در ایستگاه‌های هواشناسی استاندارد اندازه‌گیری می‌شود یکی از توصیف‌کننده‌های اصلی وضعیت محیط زمین است. بنابراین برآورد و تخمین دقیق دمای متوسط روزانه در هر منطقه یکی از پیش­نیازهای مهم برای برنامه‌ریزی کشاورزی و نیز مدیریت منابع آب می‌باشد که به روش‌های مختلفی همچون مدل‌های تجربی، نیمه تجربی و هوشمند قابل انجام است. در این پژوهش کاربرد شبکه عصبی موجک به منظور بر...