چکیده بی­شک اولین قدم برای مدیریت منابع آب پیش‌بینی و برآورد جریان رودخانه‌ها است. در این مطالعه به منظور پیش‌بینی سری زمانی جریان روزانه و ماهانه ایستگاه‌های کاکارضا و سراب صیدعلی، مدل‌های شبکه عصبی مصنوعی و سیستم استتتاج فازی عصبی تطبیقی استفاده شده است. به منظور بهبود نتایج شبیه‌سازی از آنالیز موجک به عنوان مدل ترکیبی استفاده شد. برای این هدف، سری زمانی جریان و بارش به...

هدف پژوهش حاضر مقایسه قدرت پیش­بینی روش­های شبکه عصبی فازی با شبکه عصبی موجک فازی در پیش‌بینی قیمت سهام بانک‌ها در بورس اوراق بهادار تهران است. دوره پژوهش این پژوهش از سال 1390 تا 1395 است. در این پژوهش، از سیستم منطق فازی به همراه سیستم شبکه عصبی چندلایه با ساختار بهینه‌سازی پس انتشار خطا و ماکزیمم همپوشانی تبدیل موجک گسسته برای متغیرهای نرخ ارز، نفت اوپک، طلا، شاخص کل سهام و همچنین حجم معاملا...

در این مقاله تلاش شده ‏است با استفاده از ترکیب تبدیل موجک و شبکه عصبی مدلی به‌منظور پیش‌بینی روزانه قیمت گاز طبیعی ارائه شود. در این مدل ترکیبی، از موجک گسسته دابیشز به‌منظور تجزیه سری زمانی قیمت استفاده شده‏، سپس ضرایب تقریبات و جزئیات مؤثر به‌عنوان ورودی شبکه عصبی به‌منظور پیش‌بینی قیمت گاز طبیعی هنری هاب به‌عنوان مرجعی برای قیمت گاز طبیعی در آمریکا به‌کار رفته ‏است. مقایسه عملکرد نسبی مدل تر...

آگاهی از میزان تقاضای انرژی برق در هر دوره، به منظور برنامه‌ ریزی دقیق و اعمال سیاستگذاری‌ های لازم، امری ضروری است.  از این رو، پیش‌بینی تقاضای آن، برای بخش‌ های مختلف اقتصادی حائزاهمیت است.  در این مقاله به مطالعه­ ی تطبیقی روش‌ های غیرخطی شبکه‌ های عصبی مصنوعی و تبدیل موجک- شبکه ­ی عصبی و فرایند خطی  ARMAدر پیش‌بینی تقاضای روزانه برق در بازه­ ی زمانی یک تا ده‌گام به جلو پرداخته شده است.  نتا...

با توجه به اهمیت پیش‌بینی جریان رودخانه در مدیریت منابع‌ آب روش‌های مختلفی برای مدل کردن جریان رودخانه‌ها بکار برده می‌شوند. تا بتوان با بکارگیری این مدل در مدیریت خشکسالی و سیلاب خسارات ناشی از آن‌ها را به حداقل ممکن رساند. در این مطالعه نیز برای پیش‌بینی سری‌ زمانی جریان روزانه ایستگاه ونیار، با توجه به ویژگی‌های غیرخطی مقیاس‌های زمانی چندگانه، مدل هیبرید شبکه عصبی و موجک پیشنهاد شده است. برا...

چکیده در سال های اخیر، ادغام محاسبات هوشمند و تیوری موجک منجر به ارایه راهبردهای جدید و موثر گردیده است که از آن جمله می توان به شبکه های عصبی موجک و شبکه های موجک فازی اشاره کرد. در شبکه های موجک خاصیت تقریب زنی عمومی تضمین شده و یک ارتباط روشن بین ضرایب شبکه و تبدیل موجک جهت حدس مقادیراولیه پارامترهای شبکه برقرار می شود. همچنین اندازه شبکه در مقایسه با سایر شبکه ها با بدست آوردن سطح تقریب زن...

به منظور میراسازی نوسانات فرکانس پایین و متعاقباً بهبود پایداری دینامیکی سیستم قدرت، معمولاً از پایدارسازهای سیستم قدرت استفاده می گردد. در این میان پایدارسازهای تطبیقی، با توجه به خصوصیات غیر خطی سیستم قدرت، بیشتر مورد توجه قرار گرفته اند، هر چند، افزایش انعطاف پذیری و نیز تضمین همگرایی آنها همواره در حال بررسی است. در این پایان نامه شبکه های عصبی موجک بازگشتی با خصوصیاتی نظیر؛ قابلیت یادگیری شب...

زمینه و هدف: عدم قطعیت پارامترهای صحرایی، نویز در داده­های مشاهداتی و شرایط مرزی نامشخص از مهم‌ترین عوامل محدود کننده در مدل‌سازی جریان و انتقال آلودگی در محیط‌های متخلخل است. روش بررسی: در این تحقیق، دشت میاندوآب به‌عنوان مطالعه موردی برای شبیه­سازی تراز آب زیرزمینی و غلظت کلراید انتخاب شد. برای مدل‌سازی زمانی انتقال آلودگی از روش‌های هوش مصنوعی استفاده شد. د...

‌در پژوهش حاضر، حافظه بلندمدت و رفتار دینامیکی سیگنال سری زمانی جریان روزانه رودخانه خرم‌آباد که حوزه آبخیز آن کوهستانی و دارای کاربری شهری است، با استفاده از نمایه هرست بررسی شده است. مقدار نمایه هرست سیگنال رواناب رودخانه خرم‌آباد در بازه زمانی سال‌های 1370 تا 1393 برابر با 0.8 به‌دست آمد. این مقدار نشان از حافظه بلندمدت و دینامیک غیر خطی سیگنال رواناب این رودخانه دارد. در ادامه، با به‌کارگیر...

بارش-رواناب یکی از فرایندهای مهم در مطالعات منابع آب بشمار می رود. در این تحقیق فرآیند بارش-رواناب روزانه در حوضه آبریز بالیخ لوچای با استفاده از ماشین بردار پشتیبان، شبکه های عصبی مصنوعی، هیبرید موجک-ماشین بردار پشتیبان و هیبرید موجک-شبکه عصبی مورد مطالعه و مقایسه قرار گرفته است. داده های بارش-رواناب روزانه در طول دوره آماری (1379-1387) برای آموزش و صحت سنجی مدل ها مورد استفاده قرار گرفت. در ح...