شبیه سازی عملکرد آب های زیرزمینی با استفاده از شبکه عصبی مصنوعی در جهت مدلسازی تلفیقی منابع آب، مطالعه موردی: آبخوان نجف آباد

• مقاله با عنوان: شبیه سازی عملکرد آب های زیرزمینی با استفاده از شبکه عصبی مصنوعی در جهت مدلسازی تلفیقی منابع آب، مطالعه موردی: آبخوان نجف آباد  

• نویسندگان: محبوبه کلانتری ، حمیدرضا صفوی ، امید بزرگ حداد  

• محل انتشار: نهمین کنگره ملی مهندسی عمران - دانشگاه فردوسی مشهد - 21 تا 22 اردیبهشت 95  

• فرمت فایل: PDF و شامل 8 صفحه می باشد.

چکیــــده:

یکی از راهکارهای اساسی مدیریت منابع آب و تامین نیازهای یک حوضه، بهره برداری تلفیقی از منابع آب سطحی و زیرزمینی می باشد. در این راستا شبیه سازی عملکرد آب های زیرزمینی بسیار حائز اهمیت می باشد. از آنجا که فرآیند بهره برداری تلفیقی بهینه ملزم به فراخوانی های متعدد از مدل شبیه ساز در مدل بهینه ساز به منظور تامین قیودات مسئله می باشد، لذا اتصال بین این دو مدل به طور چشمگیری محاسبات را برای رسیدن به حل بهینه عمومی افزایش می دهد. از این رو برای کاهش هزینه های محاسباتی می توان از تقریب مدل شبیه ساز مثل مدل داده محور شبکه عصبی مصنوعی استفاده کرد. از طرفی دیگر مدل های داده محور نسبت به مدل های با پایه ی فیزیکی توانایی بیشتری در اعمال عوامل ناشناخته و پارامترهایی که اندازه گیری آنها به سادگی میسر نیست، دارند. در این مقاله به بررسی ساختارهای مختلف به منظور تعیین بهترین ساختار برای شبیه سازی سطح ایستابی، پرداخته شده است. مطالعه موردی آبخوان نجف آباد می باشد که دارای پیچیدگی های خاصی به لحاظ شرایط تغذیه و اندرکنش با منابع آب سطحی از جمله رودخانه زاینده رود است. نتایج نشان می دهد مدل شبکه عصبی مورد استفاده با مقدار R2 بالای 0.99 و خطای کمتر از 8 درصد در بخش اعتبارسنجی مدل برای پیش بینی، توانسته است عملکرد آبخوان را به خوبی شبیه سازی کند.

________________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** درخواست مقالات کنفرانس‌ها و همایش‌ها: با ارسال عنوان مقالات درخواستی خود به ایمیل [e-mail] پس از قرار گرفتن مقالات در سایت به راحتی اقدام به خرید و دریافت مقالات مورد نظر خود نمایید. **

(( بررسی دقت پیش‌بینی کنندگی شاخص سهام شرکتهای پذیرفته شده در بورس اوراق بهادار تهران توسط مدلهای هوش مصنوعی))

توجه بسیار مهم:

این فایل قدیمی میباشد و به هیچ عنوان جهت ارائه به مراکز آموزش عالی (( با توجه به کددار بودن پایان نامه ها)) مجاز نبوده و قابل پذریش در هیچ  نهاد و دانشگاهی نمیباشد. هدف از این فایل ، فقط جهت راهنمایی و استفاده از ان به عنوان منبع می باشد. شایان ذکر است این فایل با رضایت صاحب آن در سایت قرارداده شده است

فایل به صورت ورد می باشد و امکان ویرایش دارد. این فایل به صورت کامل صفحه بندی شده و دارای فهست مطالب و .... می باشد. این پایان نامه کامل و جامع می باشد

چکیده:

پیش‌بینی شاخص قیمت سهام و جهت حرکت آن به عنوان یکی از چالش برانگیزترین کاربردهای سری‌های زمانی مورد توجه قرار گرفته است. اگرچه پژوهش‌های تجربی بسیاری در ارتباط با موضوع پیش‌بینی شاخص قیمت سهام صورت گرفته است، اما بیشتر دستاوردهای تجربی، در ارتباط با بازارهای مالی توسعه یافته می‌باشد و پژوهش‌های اندکی در ارتباط با بازارهای مالی در حال توسعه صورت گرفته است. با توجه به توان تحلیلی بالای تکنولوژی داده‌کاوی و با وجود قدرت پردازش بی‌نظیر آن، می‌توان از این تکنولوژی برای تحلیل مسائل بیشماری در دنیای واقعی، از جمله پیش‌بینی استفاده نمود. هدف اصلی این پژوهش پیش‌بینی شاخص کل قیمت بورس اوراق بهادار تهران با استفاده از تکنیک‌های داده‌کاوی می‌باشد. جهت مدل‌سازی تکنیک داده‌کاوی از چهار روش شاخص هوش مصنوعی، که شامل شبکه‌های عصبی مصنوعی، الگوریتم ژنتیک، الگوریتم فازی و روش ترکیبی می‌باشد استفاده شده است. در این پژوهش از داده‌های شاخص کل قیمت بورس اوراق بهادار تهران با نام اختصاری تپیکس[1] استفاده شده است. یکی از اصلی‌ترین شاخص‌های بورس اوراق بهادار تهران است. بازه جمع آوری داده‌ها از سال1390 تا سال 1392 بوده است. سپس با استفاده از داده‌های شاخص کل قیمت سهام بوسیله کد نویسی در محیط نرم‌افزار متلب محاسبه مقادیر سی شرکت از شاخص‌های تکنیکال صورت پذیرفته است. در مورد پروژه علمی انتخابی برای سی شرکت داخل شبکه انجام شده است که به عنوان نمونه برای بانک صادرات مقادیر واقعی 0.00022 و روش ترکیبی 0.00014 است که نسبت به سه روش قبلی به مقادیر واقعی نزدیک‌تر است. مقادیر مربوط به سی شرکت محاسبه شده، به عنوان ورودی شبکه عصبی مصنوعی در نظر گرفته شده و پیش‌بینی مربوط به شاخص کل، مدل ‌سازی گشته است و از الگوریتم ژنتیک و الگوریتم فازی نیز استفاده شده است. در نهایت به این نتیجه رسیدیم که با استفاده از روش ترکیبی به بهبود عملکرد مدل بدست آمده پرداخته شده است.

کاربرد روشهای هوشمند

فایل پاور پویت برای ارائه کاربرد روشهای هوشمند که شامل شبکه عصبی مصنوعی ، منطق فازی و الگوریتم ژنتیک است .

فایل مفیدی هستش هم برای تدریس هم برای ارائه .

تشخیص احساسات از روی سیگنالهای مغزی با استفاده از شبکه عصبی مصنوعی(EEG-based Emotion Assessment using Artificial Neural Network)

;">بندی کنندههای مورد مغز انسان شبکهیچیپ یا از ده سلولیها عصبای ی نورونها است که در ارتباط ی با یکد م گر یباشند. چون نیا ارتباط یم ان نورونها
بصورت الکترکی ی م یباشد، بنابرایم نی دانیها الکترکی ی در اطراف آنها یا جاد م یشود با که ثبت یس گنالیها ناشی یم نیا از دانیها
الکترکی م ی یتوان تفسری ی هر چند یچیپ از ده فعالیتیها مغزی داشته باش.می احساسات رابطه مستقمی ی با سطح کفی ی زندگی اشخاص
دارد. اکثر تحقیقاتی که در زمینه احساسات صورت گرفته از پارامترهاکیزیف ی ینظ ی ر حالتیها صورت یا ژستها و حرکات بدن و نیز از
یس گنالیزیف یها ولوژکی ی مربوط به سیستم جانبینظ ی ر دما، مقاومت پوستی و سیگنالیها قلبی بهره جستهاندلیخ یول. ی کم از داده-
های مغز( ی EEG) که نمودی از فعالیت سیستم عصبی مرکزی است استفاده نمودهاند، هرچند که کی ی از مهمترین تئوری احساسات،
تئوری شناخت( ی Theory Cognitiveم) یباشد که در آن مغز اساس فعالیتیها احساسی است. لذا با توجه به این کمبود در این مقاله ما
از تئوری شناختی برای بررسی احساسات استفاده کردیم. در این کار برای استخراج ویژگی از روشهای مختلف استخراج ویژگی و طبقه

شبکه های عصبی مصنوعی

فایل پاورپوینت 45 صفحه

شبکه عصبی مصنوعی روشی عملی برای یادگیری توابع گوناگون نظیر توابع با مقادیر حقیقی، توابع با مقادیر گسسته و توابع با مقادیر برداری میباشد.

یادگیری شبکه عصبی در برابر خطاهای داده های آموزشی مصون بوده و اینگونه شبکه ها با موفقیت به مسائلی نظیر شناسائی گفتار، شناسائی و تعبیر تصاویر، و یادگیری روبات اعمال شده است