تعیین ظرفیت باربری شمع های کوبیده شده در خاک های غیرچسبنده با وجود منابع علمی زیاد، کماکان توأم با پیچیدگی است. یک شبکه ی عصبی موجک، توابع موجک را به منزله ی توابع فعال ساز نرون های لایه ی پنهان از شبکه ی عصبی پیشخورد به کار می گیرد. در این شبکه ها هر دو پارامتر انتقال و مقیاس موجک ها در کنار وزن هایشان بهینه می شوند. در رویکردی خاص از ساخت این نوع شبکه ها، با عنوان ویونت، پارامترهای انتقال و م...

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...

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...

شبکه های عصبی مصنوعی ابزاری کارآمد در حل مسائل گوناگون می باشند و در برخورد با مسائل مختلف به صورت هوشمند عمل می کنند. این شبکه ها به عنوان مدلی ساده از سیستم عصبی، سعی در شبیه سازی فرآیند یادگیری و تصمیم گیری مغز انسان را دارد. از طرفی تبدیل موجک دارای خواص تعامد و محلی بودن می باشد. ترکیب توانایی های آنالیز چند مقیاسی تبدیلات موجک و قابلیت های طبقه بندی و تفکیک شبکه های عصبی مصنوعی که با جای...

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...

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...

در این مقاله روش ترکیبی جدیدی به منظور تولید شتابنگاشت¬های مصنوعی حوزه¬ی دور با استفاده از شبکه عصبی مصنوعی و تبدیل موجک پاکت معرفی شده است. در این روش برای سیستم یک درجه آزادی چندین شتابنگاشت مصنوعی تولید شده است. به منظور درنظر گرفتن اثر پارامترهای غیر خطی سیستم یک درجه آزادی در تولید شتابنگاشت از منحنی¬های آنالیز دینامیکی افزایشی به عنوان ورودی شبکه عصبی استفاده شده است. شتابنگاشت¬هایی که ان...

امروزه استفاده ی روز افزون از تجهیزات الکترونیکی و بارهای غیر خطی در سیستم قدرت، مسئله کیفیت توان را به یک موضوع مهم تبدیل کرده است. در این مقاله برای شبیه سازی وقایع کیفیت توان به طور همزمان از دو روش مدل سازی ریاضی و داده های حاصل از شبیه سازی با نرم افزار Pscad استفاده شده است. با توجه به عملکرد بسیار خوب شبکه های عصبی در کارهای تشخیص الگو و طبقه بندی، شبکه عصبی چند لایه برای طبقه بندی وقایع...

‌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...