یکی از راه های تبدیل هیدروژن به رایج ترین انواع انرژی های مورد نیاز مانند الکتریسیته و گرما، استفاده از پیل سوختی است. از انواع مختلف پیل ها به منظور تولید برق در نیروگاه ها، وسایل قابل حمل، خودروها، سفینه های فضایی، زیردریایی ها و غیره استفاده می شود. پیل سوختی با غشای پروتونی به طور گسترده تری به عنوان منبع انرژی استفاده می شود و این به دلیل ویژگی هایی چون عملکرد در دمای پایین و راه اندازی سر...

در این مقاله از شبکه عصبی مصنوعی به سبب قابلیت فوق‏العاده آن در تقلید از نگاشت غیرخطی ورودی ها به خروجی ها برای پیش بینی کوتاه مدت میزان مصرف گاز طبیعی شهر تهران استفاده شده است. ابتدا با استفاده از دمای حداقل و حداکثر روزانه، دمای مؤثر روزانه تعریف شد و سپس بر اساس دیگر مشخصه های هواشناسی مؤثر بر مصرف نظیر ابرناکی، سرعت باد و بارندگی، تخمین مصرف گاز روزانه و ماهانه مبتنی بر شبکه عصبی مصنوعی با...

هدف اصلی تحقیق حاضر بررسی دقت پیش بینی سود هر سهم با استفاده از شبکه های عصبی و مقایسه آن با مدل های خطی می باشد. علاوه بر این اثر متغیرهای بنیادی حسابداری بر پیش بینی سود هر سهم مورد بررسی قرار گرفت. برای این منظور مدل های خطی و غیرخطی به صورت تک متغیره و چند متغیره مورد استفاده قرار گرفتند. لذا از هفت متغیر اثرگذار بر سود هر سهم به عنوان متغیر های مستقل و سود هر سهم به عنوان متغیر وابسته استف...

هدف از این پژوهش، بر اورد ضر یب تبد یل شلتوک به برنج سفید در خشک کردن بستر سیال به کمک شبکه ها ی عصبی مصنوعی است . هفت عامل مؤثر در عملکرد خشک کن های بستر سیال به عنوان متغیرهای مستقل برای شبکه عصبی مصنوعی در نظر گرفته شد . این متغیرها عبارت اند از رطوبت نسبی هوای محیط، دمای هوای محیط، سرعت هوای ورودی، عمق بستر شلتوک، دمای هوای ورودی، رطوبت اولیه و رطوبت نهایی شلتوک. تعداد ٢٧٤ آزمایش برای ایجاد...

چکیده بخش بزرگی از کشور ایران را مناطق کوهستانی تشکیل می دهد، لذا هر ساله زمین لغزش موجب خسارت به انواع سازه های مهندسی، مناطق مسکونی و جنگل ها در پی آن ایجاد رسوب و سیلاب های گل آلود و در نهایت باعث پر شدن مخازن سد ها می گردد. از آن جا که پیش بینی زمان و مکان رخداد زمین لغزش از توان دانش فعلی بشر خارج است لذا برای بیان حساسیت دامنه ها به پهنه بندی خطر زمین لغزش در مناطق مختلف می-پردازند. هدف ...

هدف اصلی این مطالعه مقایسه قدرت پیش بینی دو مدل رگرسیون هدانیک و شبکه عصبی مصنوعی (ann) و تعیین یک مدل بهینه برای پیش بینی قیمت هدانیک مسکن درکلان شهر تبریز می باشد. نتایج تخمین تابع قیمت هدانیک بیانگر آن است که اکثر متغیرها معنا دار بوده و دارای علامت مورد انتظار می باشند. عوامل فیزیکی بیشتر از عوامل مکانی(محیطی و دسترسی) قیمت واحدهای مسکونی را تحت تأثیر قرار می دهند. همچنین، از بین ویژگی های ...