پیش بینی بلندمدت بار به کمک سیستم های چندعامله

پیش بینی بار الکتریکی در سیستم های قدرت به کمک روش ماشین بردار پشتیبان

پیش بینی دقیق بار یکی از نیازهای اساسی بازیگران بازار برق است. به علت تأثیر عوامل مختلف، بار دارای رفتار به شدت غیرخطی است. به طور معمول پیش بینی بار از نظر طول مدت افق برنامه ریزی، به چند صورت کوتاه مدت ، میان مدت و بلند مدت بار طبقه بندی شده است. پیش بینی بار کوتاه مدت(stlf) از زمان ظهور بازارهای انرژی رقابتی به طور فزاینده نقش مهمی پیدا کرده است و بیشتر پیش بینی های بار به صورت کوتاه مدت می ...

پیش بینی متغیر های اقلیمی به کمک تحلیل سری های زمانی حوضه آبخیز زهره

پیش بینی شرایط ترمودینامیکی تشکیل واکس به کمک معادله های حالت

در این مقاله یک مدل ترمودینامیکی جدید بر پایه مدل جامد محلول ارائه شده است که می شود به وسیله آن تعادل جامد- مایع را در ترکیبات دوتایی و چندتایی از فشار اتمسفری تا فشارهای بالا محاسبه نمود. در این کار از مدل اکتیویته ویلسون برای بدست آوردن ضریب اکتیویته در فاز جامد استفاده شده است و در فاز مایع از معادلات حالت NB وPR  برای بدست آوردن فوگاسیته بهره برداری شده است. برای افزایش دقت در محاسبه ضریب ...

پیش بینی زبری سطح در تراش کاری خشک به کمک شبکه های فازی- عصبی تطبیقی

پیش بینی زبری سطح یک پیش نیاز اساسی برای ایجاد یک مرکز ماشین کاری خودکار می باشد. بهینه سازی فرآیند ماشین کاری در این راستا از اهمیت خاصی برخوردار است. در این مقاله از رهیافت ترکیبی فازی- عصبی (سیستم استنتاج فازی- عصبی تطبیقی ANFIS) به منظور پیش بینی زبری سطح در تراش کاری خشک استفاده شده است. به طوری که داده های حاصل از آزمایش ها به منظور ایجاد قواعد فازی و ویرایش این قواعد به کمک شبکه های عصبی...

پیش بینی زبری سطح در تراش کاری خشک به کمک شبکه های فازی- عصبی تطبیقی

Optimization of machining parameters is very important and the main goal in every machining process. Surface finishing prediction is a pre-requirement to establish a center for automatic machining operations. In this research, a neuro-fuzzy approach is used in order to model and predict the surface roughness in dry turning. This approach has both the learning capability of neural network and li...

انتخاب نمودارهای بهینه در پیش بینی اشباع و تخلخل به کمک شبکه های عصبی مصنوعی