فهرس المقالات ANN model

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - ارزیابی مدلهای شبکه عصبی مصنوعی ایستا و پویا در پیش بینی قیمت سهام
  علی اکبر نیکواقبال نادیا گندلی علیخانی اسماعیل نادری
  پیشبینی آینده در عرصه پویای اقتصاد و بازارهای مالی از جمله بازار بورس به یکی از مهمترین مسائل درعلوم مالی ارتقاء یافته است. همچنین، در دههی اخیر مدلهای شبکه عصبی به علت عملکرد واقع بینانهتر اینمدلها مورد توجه محققین قرار گرفته و از انواع مختلف آنها برای پیشبینی استفاده أکثر

  پیشبینی آینده در عرصه پویای اقتصاد و بازارهای مالی از جمله بازار بورس به یکی از مهمترین مسائل درعلوم مالی ارتقاء یافته است. همچنین، در دههی اخیر مدلهای شبکه عصبی به علت عملکرد واقع بینانهتر اینمدلها مورد توجه محققین قرار گرفته و از انواع مختلف آنها برای پیشبینی استفاده شده است. اکنون این سئوالمطرح است که، کدام یک از این مدلها قدرت بالاتری برای تبیین فرآیندهای آتی بورس را دارا میباشد؟ در( همین راستا، این مطالعه به مقایسه دقت عملکرد مدلهای شبکه عصبی ایستا و پویا در پیشبینی (تک متغیره 1بازدهی شاخص قیمت و بازده نقدی بورس تهران میپردازد تا امکان انتخاب الگوی بهینه برای پیشبینی متغیرمذکور را میسر نماید. دادههای مورد استفاده در این پژوهش به صورت روزانه و شامل بازهی زمانی پنجمفروردین 1388 تا سیام آبان 1390 میباشد. همچنین الگوهای مورد استفاده در این پژوهش عبارتند از؛ دو مدلو نیز یک مدل شبکهی (MFNN) و شبکه عصبی چند لایه پیشخور (ANFIS) ایستای؛ شبکهی عصبی فازیهستند. این پژوهش عملکرد مدلهای مذکور را، بر اساس معیارهای (NNARX) عصبی پویای اتورگرسیو3 مورد (RMSE) 2 و نیز معیار جذر میانگین مجذور خطا (MSE) محاسبهی خطای پیشبینی میانگین مجذور خطاارزیابی قرار داده است. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - Application of Soft Computing Methods in the Analysis of Velocity Field in Dividing Channel
  Sohrab Karimi Hossein Bonakdari Hojat Karami Amir Hossein Zaji
  The simplest water diversion method in irrigation systems is using intakes. Measuring the mean velocity is one of the essential hydraulic parameters in increasing the efficiency of the intake. In this study, the mean velocity was predicted for different width ratios of أکثر

  The simplest water diversion method in irrigation systems is using intakes. Measuring the mean velocity is one of the essential hydraulic parameters in increasing the efficiency of the intake. In this study, the mean velocity was predicted for different width ratios of an intake using ANN-MLP neural network model. In order to do that, the flow field within a 90-degree intake was first simulated three-dimensionally using ANSYS-CFX. The neural network used in this study includes 3 inputs; longitudinal coordinate (Y*), ratio of the branch channel to the main channel (wr), and mean velocity of the middle line of the channel cross section (V*line). V*lineis the average velocity in the vertical column of the branch channel, which has been measured by the ANSYS-CFX model after the validation. Comparison of the ANSYS-CFX results with the experimental ones indicated that this model, with mean Root Mean Squared Error (RMSE) of 0.013, has a proper accuracy in simulating the characteristics of the flow field within the intake. In addition, comparison of the obtained results from ANN-MLP model and the experimental results indicated that this model, with mean determination coefficient (R2) of 0.948, has a high performance in predicting the mean velocity of open channel intakes. تفاصيل المقالة