فهرس المقالات Multilayer

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - پیش‌بینی کوتاه مدت غلظت گاز مونو اکسید کربن در هوای شهر اهواز با استفاده از تحلیل شبکه‌های عصبی مصنوعی
  مریم کاوسی سیما سبزعلی پور حسین فتحیان
  مقدمه: آلودگی هوای شهر‌ها یکی از مهمترین معضلات محیط زیستی بوده که همواره تهدیدی دایم و جدی برای سلامت و بهداشت جامعه و همچنین محیط زیست می‌باشد. از مهمترین آلاینده‌های هوا می‌توان به اکسیدهای نیتروژن به خصوص دی¬اکسیدنیتروژن، اکسید‌های سولفور به ویژه دی¬اکسیدسولفور، هید أکثر

  مقدمه: آلودگی هوای شهر‌ها یکی از مهمترین معضلات محیط زیستی بوده که همواره تهدیدی دایم و جدی برای سلامت و بهداشت جامعه و همچنین محیط زیست می‌باشد. از مهمترین آلاینده‌های هوا می‌توان به اکسیدهای نیتروژن به خصوص دی¬اکسیدنیتروژن، اکسید‌های سولفور به ویژه دی¬اکسیدسولفور، هیدروکربن‌ها، منواکسیدکربن (CO)، دی¬اکسیدکربن و ذرات معلق اشاره کرد.کلان¬شهر اهواز یکی از آلوده‌ترین شهر‌های ایران می‌باشد که مدیریت زیست محیطی به ویژه در زمینه آلودگی هوا بسیار با اهمیت می‌باشد. هدف از این پژوهش پیش‌بینی غلظت آلاینده CO در هفت روز ابتدای سال 1395 در شهر اهواز می‌باشد. مواد و روش‌ها: بر اساس مطالعات پیشین، متغیر‌های هواشناسی شامل دمای هوا، رطوبت هوا و سرعت باد به عنوان متغیر‌های ورودی مؤثر در شبکه برای پیش‌بینی غلظت گاز COانتخاب شدند. غلظت گاز CO در سال 1394 از طریق سازمان حفاظت محیط زیست شهر اهواز تهیه شد. به منظور توسعه شبکه عصبی پرسپترون چندلایه (MLP) از نرم‌افزار Neuro Solution5 استفاده گردید. به منظور ایجاد شبکه عصبی، 70 درصد از داده‌ها برای آموزش (واسنجی)، 15 درصد برای تست و 15 درصد باقیمانده برای آزمون صحت¬سنجی نتایج حاصل از شبکه مورد استفاده قرار گرفت. نتایج و بحث: به منظور تعین بهترین ساختار شبکه MLP برای پیش‌بینی کوتاه مدت غلظت گاز CO ساختارهای مختلف از لحاظ تعداد لایه‌های میانی، نوع الگوریتم آموزش شبکه، نوع تابع انتقال، تعداد نرون‌های لایه میانی و تعداد تکرار‌های آموزش در نظر گرفته شد. نتایج نشان داد که شبکه MLP با ساختار 1-5-3 (یعنی 3 نرون ورودی، 5 نرون در لایه میانی و یک نرون برای لایه خروجی) با 1500 تکرار آموزش به ازای تابع انتقال تانزانت سیگموئید (Tansig) و الگوریتم آموزش کاهش گرادیان همراه با مؤمنتم (Traingdm)، بهترین شبکه MLP می‌باشد. علاوه بر این، مقادیر شاخص‌های آماری NSE، RMSE و MAE به ازای مرحله آموزش شبکه به ترتیب برابر با 72/0 ، 22/0 و 15/0 می‌باشد. نتیجه‌گیری: آلودگی هوا، چالش اصلی زیست محیطی در اهواز، از ترکیب ترافیک و صنایع نفتی ناشی می¬شود. تأثیرات بهداشتی و زیست محیطی آن نیازمند بررسی جامع است.در این تحقیق از شبکه MLP برای پیش‌بینی مقادیر غلظت گاز CO در هوای شهر اهواز استفاده شد. نتایج نشان می‌دهد که دقت و عملکرد شبکه در پیش‌بینی غلظت گاز CO در سطح مطلوب می‌باشد. در ادامه این تحقیق پیشنهاد می‌شود که پیش‌بینی غلظت دیگر الاینده‌های گازی انجام شود و برای تعیین ساختار بهینه شبکه عصبی مصنوعی از الگوریتم¬های بهینه‌سازی استفاده شود. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - Monte Carlo simulations of the magnetic properties of a site-disordered Blume Capel multilayer spin-1 system
  Amel Benmansour Nabil Brahmi Smaine Bekhechi Abdeljalil Rachadi Hamid Ez-Zahraouy
  10.30495/jtap.162212
  We used standard Monte Carlo simulations to investigate the magneticproperties of a spin-1 Ising multilayer system composed of two non-equivalentplanes A and B, where B being site-diluted. Antiferromagnetic interlayerand ferromagnetic intralayer spin couplings have been أکثر

  We used standard Monte Carlo simulations to investigate the magneticproperties of a spin-1 Ising multilayer system composed of two non-equivalentplanes A and B, where B being site-diluted. Antiferromagnetic interlayerand ferromagnetic intralayer spin couplings have been considered.Our calculations indicated the occurrence of a compensation phenomenon where the magnetization vanishes before the critical temperature. The effects of various model parameters on the system magnetic properties have been examined in detailand presented in the form of phase diagrams. The results bore some resemblancewith those reported in some previous works on systems with or withoutsite-dilution. Depending on values of the spin concentration parameter Pthe model displayed first- and second-order phase boundaries with theexistence of a tricritical point. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  3 - Developing A Fault Diagnosis Approach Based On Artificial Neural Network And Self Organization Map For Occurred ADSL Faults
  Vahid Golmah Mina Tashakori
  Telecommunication companies have received a great deal of research attention, which have many advantages such as low cost, higher qualification, simple installation and maintenance, and high reliability. However, the using of technical maintenance approaches in Telecomm أکثر

  Telecommunication companies have received a great deal of research attention, which have many advantages such as low cost, higher qualification, simple installation and maintenance, and high reliability. However, the using of technical maintenance approaches in Telecommunication companies could improve system reliability and users' satisfaction from Asymmetric digital subscriber line (ADSL) services. In ADSL systems, there are many variables giving some noise for classification and there are many fault patterns with overlapping data. Therefore, this paper proposes a multilayer perceptron (MLP) classifier integrated with Self Organization Map (SOM) models for fault detection and diagnosis (FDD) of occurred ADSL systems. The interest of this paper is to improve the performance of single MLP by dividing the fault pattern space into a few smaller sub-spaces using SOM clustering technique and triggering the right local classifier by designing a supervisor agent. The performances of this method are evaluated on the fault data of Iranian Telecommunication Company which develop ADSL services and then the proposed algorithm is also compared against single MLP. Finally, the results obtained by this algorithm are analyzed to increase user's satisfaction with reducing occurred faults for them with predicting before they face it. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  4 - طراحی سیستم معاملات تکنیکی سهام با استفاده از مدل ترکیبی شبکه عصبی MLP و الگوریتم‌های تکاملی
  علیرضا سارنج احمدرضا قاسمی اصغر ارم رضا تهرانی
  توسعه سیستم های معاملاتی سهام با استفاده از الگوریتم های تکاملی (EA) طی چند سال اخیر به موضوعی پرمخاطب در حوزه مالی مبدل ‌شده است. در پژوهش حاضر، سیستم معاملاتی تکنیکی هوشمند با بهره گیری از مدلی مرکب از شبکه عصبی MLP و الگوریتم‌های تکاملی شامل الگوریتم ژنتیک (GA)، الگو أکثر

  توسعه سیستم های معاملاتی سهام با استفاده از الگوریتم های تکاملی (EA) طی چند سال اخیر به موضوعی پرمخاطب در حوزه مالی مبدل ‌شده است. در پژوهش حاضر، سیستم معاملاتی تکنیکی هوشمند با بهره گیری از مدلی مرکب از شبکه عصبی MLP و الگوریتم‌های تکاملی شامل الگوریتم ژنتیک (GA)، الگوریتم بهینه‌سازی مورچگان پیوسته (ACOR) و الگوریتم بهینه‌سازی ازدحام ذرات (PSO) پیشنهادشده است. داده‌های مربوط به 15 شرکت منتخب طی سال‌های 1387 تا 1396 بر اساس دوره‌های کوتاه‌مدت و بلندمدت و همچنین روندهای بازار صعودی، نزولی و خنثی موردبررسی قرار گرفته اند. جهت انتخاب متغیرهای ورودی نهایی، از مقایسه رتبه بازدهی شاخص‌های تکنیکی بر اساس قواعد معاملاتی استفاده‌شده است. درنهایت، آزمون مقایسه زوجی بازدهی مدل‌ها در مقایسه با استراتژی خرید و نگهداری انجام شد و بازدهی مدل ها با یکدیگر مقایسه شده است. نتایج تحقیق نشان می دهد مدل های ترکیبی MLP و الگوریتم های تکاملی عملکرد بهتر و معناداری نسبت به روش خرید و نگهداری و مدل MLP-BP داشته است و مدل MLP_PSO بازدهی بیش تری نسبت به سایر مدل ها کسب کرده است. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  5 - Numerical simulation of multilayer cellular scaffolds with 3D and 1D elements
  Hamid Reza khanaki Sadegh Rahmati Mohammad Nikkhoo Mohammad Haghpanahi Javad Akbari
  10.30495/admt.2020.1905314.1207
  In this paper, an attempt has been made to provide a numerical method for investigating the mechanical properties of multilayer scaffolding. These scaffolds can be used as implants in bone fractures. For this purpose two numerical simulation methods are introduced to pr أکثر

  In this paper, an attempt has been made to provide a numerical method for investigating the mechanical properties of multilayer scaffolding. These scaffolds can be used as implants in bone fractures. For this purpose two numerical simulation methods are introduced to predict the elastic properties of multilayer cell scaffolds. These simulations are based on two models: a 3D model with a volumetric element, and a 1D model with a linear element. To compare the results of these models, three types of two- and three-layer titanium alloy scaffolds have been simulated by the two methods. Also, Young's modulus of the scaffolds has been compared with the experimental conclusions of earlier studies. The results confirm that simulations with 1D models are more cost-effective compared to 3D ones. Additionally, because of the more reliable agreement of Young's modulus results of numerical modeling with the linear element (1.8 to 5 times) compared to the volumetric element (11 to 23 times) compared to the experimental findings, the numerical method with the linear elements can be a reliable tool for studying multilayer scaffoldings. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  6 - Multilayer Perceptron Approach in Breast Cancer Diagnosis
  Emine Avşar Aydin Gözde Saribaş
  Many diseases cause death in people around the world. One of them is cancer, and many types of cancer diseases are seen today. One of the cancer types that cause the most death is Breast Cancer. Early diagnosis has an essential place in Breast Cancer as it is crucial in أکثر

  Many diseases cause death in people around the world. One of them is cancer, and many types of cancer diseases are seen today. One of the cancer types that cause the most death is Breast Cancer. Early diagnosis has an essential place in Breast Cancer as it is crucial in every disease. Thanks to early diagnosis, the patient's survival rate increases as a result of the treatment applied. Today, many studies are carried out and developed to be able to diagnose breast cancer early. The work done with the algorithms found in machine learning is just one example. In this paper, MLP (Multilayer Perceptron), which is one of the Machine Learning methods, and the algorithm in Breast Cancer Diagnosis is explained using the data collected in the Department of General Surgery, University Wisconsin, Center of Clinical Sciences. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  7 - بررسی پتانسیل اراضی استان کرمانشاه جهت کشت گندم دیم با استفاده از شبکه عصبی مصنوعی
  میلاد باقری محمدرضا جلوخانی نیارکی کیوان باقری
  با افزایش روزافزون جمعیت و نیاز به مواد غذایی، گندم به عنوان محصولی با بیشترین سطح زیر کشت و تولید سالانه در مقیاس جهانی از اهمیت ویژه‌ای برخوردار بوده است لذا شناسایی و معرفی مناطق مساعد کشت آن در هر منطقه ضروری است. استان کرمانشاه به‌عنوان محدوده مورد مطالعه یکی از من أکثر

  با افزایش روزافزون جمعیت و نیاز به مواد غذایی، گندم به عنوان محصولی با بیشترین سطح زیر کشت و تولید سالانه در مقیاس جهانی از اهمیت ویژه‌ای برخوردار بوده است لذا شناسایی و معرفی مناطق مساعد کشت آن در هر منطقه ضروری است. استان کرمانشاه به‌عنوان محدوده مورد مطالعه یکی از مناطق حاصلخیزی است که بیشترین کشت گندم را در بین محصولات زراعی دارد. بدین منظور در این مطالعه از شبکه عصبی پرسپترون چندلایه (MLP) با الگوریتم آموزش لونبرگ- مارکوات جهت شناسایی و معرفی مناطق مساعد کشت گندیم دیم استفاده شد. لایه‌های ورودی شبکه شامل 12 لایه؛ کاربری اراضی، میانگین بارندگی سالانه، میانگین بارندگی فصل پاییز، میانگین بارندگی فصل بهار، میانگین دمای سالانه، میانگین دمای فصل بهار، میانگین دمای فصل پاییز، شیب، جهت شیب، ارتفاع از سطح دریا، رطوبت نسبی، درجه- روز است. لایه‌های مربوط به بارندگی و دما به ترتیب با استفاده از داده‌های ایستگاه‌های باران‌سنجی و سینوپتیک و عمل درون‌یابی در محیط ArcGIS تهیه شدند. لایه های وابسته به ارتفاع نیز با استفاده از DEM با قدرت تفکیک 30×30 متر IRS استخراج شدند. ابتدا به منظور تعیین فضای جست وجو الگوریتم شبکه عصبی، مناطق غیر قابل کشت تعیین و از کل لایه های ورودی حذف گردید. 210 مکان مناسب کشت به عنوان نقاط آموزشی شبکه تهیه شد. در نهایت کلاس مناطق غیر قابل کشت که 15% و نتایج حاصل از مدل شامل پنج کلاس بسیار مساعد، مساعد، نسبتاً مساعد، نامساعد و بسیار نامساعد که به ترتیب 5/4، 14/8، 24، 22/5 و 18/3 درصد از کل مساحت استان را به خود اختصاص داده‌اند، تعیین شد. همچنین ضریب رگرسیون کلی 91 درصدی شبکه که حاصل شرکت کلیه داده در شبکه است، بیانگر کارای بالای شبکه عصبی پرسپترون چندلایه در این پهنه‌ بندی است. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  8 - مدل‌سازی جنگل‌زدایی با شبکه عصبی و سیستم اطلاعات جغرافیایی (جنگل‌های اطراف خرم‌آباد)
  حسن محمودزاده مجید عزیزمرادی
  در این تحقیق، با استفاده از تصاویر TM و OLI لندست تغییرات روی‌داده در جنگل‌های اطراف شهر خرم‌آباد بین سال‌های 1365 تا 1397 موردبررسی قرار گرفت. بدین منظور پس از انجام تصحیحات هندسی و اتمسفری، تصاویر با استفاده از الگوریتم حداکثر احتمال در پنج کلاس با دقت کلی 95 درصد و ض أکثر

  در این تحقیق، با استفاده از تصاویر TM و OLI لندست تغییرات روی‌داده در جنگل‌های اطراف شهر خرم‌آباد بین سال‌های 1365 تا 1397 موردبررسی قرار گرفت. بدین منظور پس از انجام تصحیحات هندسی و اتمسفری، تصاویر با استفاده از الگوریتم حداکثر احتمال در پنج کلاس با دقت کلی 95 درصد و ضریب کاپا 0.94 طبقه‌بندی شدند. با روی هم‌گذاری تصاویر مقدار جنگل‌های از بین رفته (34 کیلومترمربع) مشخص و به‌عنوان متغیر وابسته برای ورود به شبکه عصبی پرسپترون چندلایه آماده شد. در محیط GIS عوامل مؤثر در روند جنگل‌زدایی (متغیرهای مستقل) آماده شد و سپس با استفاده از پرسپترون چندلایه روند جنگل‌زدایی بین سال‌های موردمطالعه مشخص شد. با مدل ‌ساز تغییرات زمین، تغییرات کاربری اراضی استخراج شد که بیشترین تغییر، جنگل به اراضی بایر است و درنهایت پیش‌بینی جنگل‌زدایی برای 10، 20 و 30 سال آینده صورت گرفت، که نشان‌دهنده کاهش %4.6 برای سال 1407، %7.7 برای سال 1417 و %9.3 برای سال 1427 بود. نتایج حاصله از آزمون شبکه با مشارکت همه متغیرها با توجه به میانگین مربعات خطا با مقدار 0.13 نشان‌دهنده این است که مدل‌سازی حاصل از پرسپترون چندلایه دارای صحت مناسبی بوده و همچنین با استفاده از منحنی مشخصه عملکرد ROC سیستم مقدار واقعی جنگل‌زدایی در مقابل نتیجه حاصل از مدل پرسپترون چندلایه قرار گرفت، که با مقدار سطح زیر منحنی مشخصه عملکرد سیستم برابر با 0.88 نشان‌دهنده صحت بالای مدل پرسپترون چندلایه بود. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  9 - پیش‌بینی و مدل‌سازی خشک‌سالی به روش هیبریدی موجک و الگوریتم‌های شبکه عصبی
  جهانبخش محمدی علیرضا وفایی نژاد سعید بهزادی حسین آقامحمدی امیر هومن حمصی
  10.30495/girs.2022.687669
  پیشینه و هدف بحران خشک‌سالی یک دوره خشک آب و هوایی است که در هر نقطه از جهان و با هر اقلیمی ممکن است رخ دهد. این بحران اگرچه به‌آرامی شروع می‌شود اما می‌تواند برای مدتی طولانی تأثیر جدی بر سلامت، محصولات کشاورزی، اقتصاد، انرژی و محیط‌زیست بگذارد. خشک‌سالی معیشت و سلامت أکثر

  پیشینه و هدف بحران خشک‌سالی یک دوره خشک آب و هوایی است که در هر نقطه از جهان و با هر اقلیمی ممکن است رخ دهد. این بحران اگرچه به‌آرامی شروع می‌شود اما می‌تواند برای مدتی طولانی تأثیر جدی بر سلامت، محصولات کشاورزی، اقتصاد، انرژی و محیط‌زیست بگذارد. خشک‌سالی معیشت و سلامت انسان‌ها را به‌شدت تهدید می‌کند و خطر ابتلا به انواع بیماری‌ها را افزایش می‌دهد. ازاین‌رو مدل‌سازی و پیش‌بینی خشک‌سالی از موضوعات مهم و جدی در جوامع علمی است. درگذشته از مدل‌های ریاضی و آماری مانند روش رگرسیون ساده، خودرگرسیون‌گیری (AR)، میانگین متحرک (MA) و نیز ARIMA جهت مدل‌سازی خشک‌سالی استفاده می‌شد. در سال‌های اخیر استفاده از روش‌های یادگیری ماشین و هوش محاسباتی جهت مدل‌سازی و پیش‌بینی خشک‌سالی بسیار موردتوجه دانشمندان بوده است. ازجمله از الگوریتم‌های هوش محاسباتی که توسط دانشمندان جهت مدل‌سازی خشک‌سالی قبلاً موردتوجه قرارگرفته است می‌توان به شبکه عصبی پرسپترون چندلایه، شبکه عصبی RBF، ماشین بردار پشتیبان، روش‌های فازی و فازی عصبی اشاره کرد. در این تحقیق هدف مدل‌سازی و پیش‌بینی خشک‌سالی با بهره‌گیری از سه الگوریتم شبکه عصبی شامل پرسپترون چندلایه، شبکه عصبی RBF و شبکه عصبی رگرسیون تعمیم‌یافته است. شاخص خشک‌سالی استفاده‌شده در این تحقیق شاخص استانداردشده بارش (SPI) است. در این تحقیق از تکنیک موجک در تلفیق با الگوریتم‌های شبکه عصبی مصنوعی جهت مدل‌سازی و پیش‌بینی خشک‌سالی در 10 ایستگاه سینوپتیک در کشور ایران (آبادان، بابلسر، بندرعباس، کرمان، مشهد، رشت، سقز، تهران، تبریز و زاهدان) در اقلیم‌های مختلف و با توزیع مکانی مناسب در کل کشور ایران استفاده‌شده است.مواد و روش ها در این تحقیق در ابتدا با استفاده از داده‌های بارش ماهانه بین سال‌های 1961 تا 2017 شاخص خشک‌سالی SPI در مقیاس‌های زمانی 3، 6، 12، 18، 24 و 48 ماهه از طریق برنامه‌نویسی در محیط نرم‌افزار MATLAB پیاده‌سازی شد. نتایج این مرحله با استفاده از نرم‌افزارهای علمی موجود MDM و Drinc صحت سنجی شد. در ادامه با استفاده از زنجیره مارکوف به طراحی مدل‌های پیش‌بینی پرداخته شد. در این تحقیق درمجموع از شش مدل هوش محاسباتی شامل سه مدل منفرد شبکه عصبی پرسپترون چندلایه (MLP)، شبکه عصبی تابع پایه شعاعی (RBF) و شبکه عصبی رگرسیون تعمیم‌یافته (GRNN) و سه مدل ترکیبی (هیبریدی) موجک با این سه مدل به‌صورت (WMLP-WRBF-WGRNN) جهت مدل‌سازی و پیش‌بینی شاخص SPI در 10 ایستگاه این تحقیق استفاده‌شده است. در پیاده‌سازی تمامی این شش مدل از محیط برنامه‌نویسی نرم‌افزار MATLAB استفاده‌شده است. در این تحقیق ابتدا از چهار نوع موجک گسسته شامل دابیشز (Daubechies)، سیملت (Symlets)، کویفلت (Coiflets) و دوضلعی (Biorthogonal) استفاده شد، به دلیل عملکرد بهتر موجک دابیشز، از این نوع موجک در تحقیق به‌عنوان گزینه نهایی استفاده شد. در موجک دابیشز استفاده‌شده در بین مرتبه‌های 1 تا 45، مرتبه 3 بهترین عملکرد را در بین مقیاس‌های زمانی مختلف SPI از خود نشان داد، به همین دلیل از موجک دابیشز مرتبه 3 در تمامی مدل‌های ترکیبی این تحقیق استفاده شد. بعد از آموزش همه شش الگوریتم استفاده‌شده نتایج با معیارهای ارزیابی ضریب تعیین (R2) و جذر میانگین مربعات خطا (RMSE) جهت اندازه‌گیری اختلاف بین مقادیر واقعی و برآورد شده استفاده‌شده است.نتایج و بحث نتایج این تحقیق نشان داد که روش‌های هوش محاسباتی دقت بالایی در مدل‌سازی و پیش‌بینی شاخص خشک‌سالی SPI دارند. در مرحله اول نتایج نشان داد که مدل‌های منفرد MLP، RBF و GRNN درصورتی‌که به‌طور صحیح آموزش داده شوند نتایجی نزدیک به هم در مدل‌سازی و پیش‌بینی شاخص خشک‌سالی SPI دارند. در مرحله بعد مشاهده شد که تکنیک موجک باعث بهبود نتایج مدل‌سازی خواهد شد. در استفاده از تکنیک موجک در تلفیق با سه مدل منفرد MLP، RBF و GRNN انتخاب نوع موجک نیز در مدل‌سازی بهتر مؤثر است، به‌نحوی‌که در این تحقیق ابتدا از چهار نوع موجک گسسته دابیشز، سیملت، کویفلت و دوضلعی در تلفیق با سه مدل منفرد این تحقیق استفاده شد که نتایج این چهار نوع موجک نشان از برتری نسبی موجک دابیشز نسبت به سه موجک دیگر بود. در استفاده از موجک دابیشز نیز از آنجایی این موجک 45 مرتبه دارد و انتخاب مرتبه نیز در مدل‌سازی مؤثر بود با آزمایش 45 مرتبه موجک مشاهده شد که موجک مرتبه 3 در حالت کلی دارای دقت بالاتری در تمامی مقیاس‌های زمانی شاخص SPI (3، 6، 12، 18، 24 و 48 ماهه) و نیز در هر سه الگوریتم MLP، RBF و GRNN دارد. ازاین‌رو در این تحقیق از موجک مرتبه سوم دابیشز در هر سه الگوریتم این تحقیق و نیز در همه مقیاس‌های زمانی استفاده شد. نتایج تحقیق نشان داد که تلفیق تکنیک موجک با هر سه مدل MLP، RBF و GRNN باعث بهبود نتایج خواهد شد. نمودارهای تحقیق نشان داد که برای مقیاس زمانی سه‌ماهه مقادیر به‌دست‌آمده از پیش‌بینی مدل منفرد در مدل‌سازی MLP و RBF تا حدودی دارای اختلاف‌فاز یک‌ماهه نسبت به مدل هیبریدی هست، درحالی‌که در مدل GRNN این اختلاف پیش‌بینی کم هست. نتایج مدل‌سازی برای هر دو حالت مدل‌سازی منفرد و هیبریدی بیانگر عدم وجود اختلاف‌فاز بین دو روش مدل‌سازی منفرد و هیبریدی درمقیاس‌های زمانی 6، 12، 18، 24 و 48 است. برای مقیاس زمانی 12 و 24 ماهه، مدل منفرد GRNN دارای نوسانات و خطای بیشتری در مدل‌سازی و پیش‌بینی ماهانه SPI بوده است درحالی‌که مدل هیبریدی در این دو مقیاس زمانی به‌مراتب رفتار بهتری در مدل‌سازی و پیش‌بینی ماهانه داشته است. نمودارهای پراکنش داده‌های مربوط به SPI مشاهداتی ایستگاه آبادان نشان داد که نتایج مدل‌سازی برای حالت منفرد و هیبریدی در مقیاس‌های زمانی 3 و 6 ماهه دقت کمتری نسبت به دیگر مقیاس‌های زمانی دارد و جدایی خط برازش و همچنین میزان عدم قطعیت آن بیشتر است. هرچند در همه مدل‌های شبکه عصبی و در تمامی مقیاس‌های زمانی روش هیبریدی دقت بیشتری از خود نشان داده است. نتایج عددی تحقیق نشان‌دهنده این است که در تمامی SPI ها و ایستگاه‌های موردمطالعه، مقادیر تفاضلی R2 مثبت است که بیانگر مقادیر بیشتر R2 مدل هیبریدی نسبت به مدل‌سازی‌های شبکه عصبی منفرد است که به نحوی نشان‌دهنده بهبود مدل‌سازی هیبریدی نسبت به مدل‌های منفرد است. همچنین مقادیر تفاضلی RMSE نیز در کلیه مدل‌های موردبررسی و ایستگاه‌های موردمطالعه منفی است که نشان‌دهنده کمتر بودن مقدار RMSE در پیش‌بینی مدل‌های هیبریدی نسبت به مدل‌های منفرد شبکه عصبی است. در گراف‌های تحقیق دیده می‌شود که مقدار اختلاف‌ها در RMSE و R2 بیانگر میزان اختلاف بیشتر در مقیاس‌های زمانی 3 و 6 نسبت به مقیاس‌های زمانی 12، 18، 24 و 48 است که به نحوی به ماهیت داده‌های این مقیاس‌های زمانی برمی‌گردد. به ترتیب بیشترین بهبود در مقدار R2 و RMSE از مقیاس پایین 3 ماهه به سمت مقیاس‌های زمانی بالاتر 48 ماهه است.نتیجه گیری از یافته‌های این تحقیق می‌توان نتیجه گرفت که الگوریتم‌های شبکه عصبی مصنوعی روش‌های کارآمدی در مدل‌سازی و پیش‌بینی شاخص خشک‌سالی SPI می‌باشند. همچنین استفاده از موجک در هر سه مدل شبکه عصبی مصنوعی باعث بهبود نتایج خواهد شد. همچنین می‌توان نتیجه گرفت که برای مدل‌سازی بهتر شاخص خشک‌سالی SPI لازم است نوع و مرتبه موجک بهینه انتخاب شود. از نتایج این تحقیق می‌توان نتیجه‌گیری کرد که تکنیک موجک تأثیر بیشتری در مقیاس‌های زمانی پایین‌تر یعنی 3 و 6 ماهه نسبت به مقیاس‌های بالاتر یعنی 24 و 48 ماهه دارد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  10 - Thermoelastic Behaviour in a Multilayer Composite Hollow Sphere with Heat Source
  S.P Pawar J.J Bikram G.D Kedar
  10.22034/jsm.2020.1898267.1583
  This paper deals with the mathematical approach to discuss the radially varying transient temperature distribution in a multilayer composite hollow sphere subjected to the time independent volumetric generation of heat in each layer. Initially the layers are at arbitrar أکثر

  This paper deals with the mathematical approach to discuss the radially varying transient temperature distribution in a multilayer composite hollow sphere subjected to the time independent volumetric generation of heat in each layer. Initially the layers are at arbitrary temperature and the analysis assumes all the layers of the body are thermally isotropic and having a perfect thermal contact. It is novel to obtain the exact solution for temperature field by the separation of variables by splitting the problem into two parts homogeneous transient and non-homogeneous steady state. The set of equations obtained are solved by using the rigorous applications of analytic techniques with the help of eigen value expansion method. The thermoelastic response is studied in the context of uncoupled Thermoelasticity. The results obtained pointed out that the magnitude and distribution of the temperature and thermal stresses are greatly influenced by the layered heat generation parameter. The accuracy and feasibility of the proposed model is demonstrated by an example of three layered hollow sphere of Aluminium, Copper and Iron subjected to given conditions. The results presented in this article could be found hardly in an open literature despite of extensive search. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  11 - Effect of Thermosensitivity on Heat Conduction and Stresses of a Multilayered Annular Disk
  G.D. Kedar V.B. Srinivas V.R Manthena
  10.22034/jsm.2023.1970968.1755
  This paper deals with the analysis of temperature, deflection and thermal stresses of a multilayered annular disk. The thermo-mechanical properties of the disk are taken to be temperature dependent. Using Kirchhoff’s variable transformation, the non-linear heat co أکثر

  This paper deals with the analysis of temperature, deflection and thermal stresses of a multilayered annular disk. The thermo-mechanical properties of the disk are taken to be temperature dependent. Using Kirchhoff’s variable transformation, the non-linear heat conduction equation is reduced to a linear form. Finite integral transform, Fourier series and Fourier transform techniques are used to solve the heat conduction equation and the desired solution is obtained in series form. Deflection, thermally induced resultant moments and the corresponding thermal stresses are determined. Numerical analysis is carried out for a three layered annular disk and the results are depicted graphically. Thermosensitivity plays a vital role in the thermal profile of the multilayered disk. In the temperature dependent case, the radial stress suddenly becomes compressive in the middle region, whereas it is tensile throughout all the regions in the temperature independent case. Due to the inhomogeneous thermal conductivity considered in the form of exponential function, the temperature and the corresponding thermoelastic quantities shows the lag along radial direction. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  12 - Bending Analysis of Multi-Layered Graphene Sheets Under Combined Non-Uniform Shear and Normal Tractions
  M.M Alipour M Shaban
  Bending analysis of multilayer graphene sheets (MLGSs) subjected to non-uniform shear and normal tractions is presented. The constitutive relations are considered to be non-classical based on nonlocal theory of elasticity. Based on the differential transformation method أکثر

  Bending analysis of multilayer graphene sheets (MLGSs) subjected to non-uniform shear and normal tractions is presented. The constitutive relations are considered to be non-classical based on nonlocal theory of elasticity. Based on the differential transformation method, numerical illustrations are carried out for circular and annular geometries. The effects of nano scale parameter, radius of circular and annular graphene sheet, number of layers as well as distance between layers in the presence of van der Waals interaction forces are investigated. In addition, the effects of different boundary conditions are also examined. The numerical results show that above mentioned parameters have significant effects on the bending behavior of MLGSs under the action of non-uniform shear and normal tractions. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  13 - Delamination of Two-Dimensional Functionally Graded Multilayered Non-Linear Elastic Beam - an Analytical Approach
  V Rizov
  Delamination fracture of a two-dimensional functionally graded multilayered four-point bending beam that exhibits non-linear behaviour of the material is analyzed. The fracture is studied analytically in terms of the strain energy release rate. The beam under considerat أکثر

  Delamination fracture of a two-dimensional functionally graded multilayered four-point bending beam that exhibits non-linear behaviour of the material is analyzed. The fracture is studied analytically in terms of the strain energy release rate. The beam under consideration has an arbitrary number of layers. Each layer has individual thickness and material properties. A delamination crack is located arbitrary between layers. The material is two-dimensional functionally graded in the cross-section of each layer. The beam mechanical behaviour is described by a power-law stress-strain relation. The fracture is analyzed also by applying the J-integral approach in order to verify the solution derived for the strain energy release rate. The effects of crack location, material gradient and non-linear behaviour of material on the delamination fracture are evaluated. It is found that the material non-linearity leads to increase of the strain energy release rate. Therefore, the material non-linearity should be taken into account in fracture mechanics based safety design of two-dimensional functionally graded multilayered structural members. It is found also that the delamination behaviour can be effectively regulated by using appropriate material gradients in the design stage of functionally graded multilayered structural members and components. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  14 - The Comparison of Applying a Designed Model to Measure Credit Risk Between Melli and Mellat Banks
  Ardeshir Salari Hamidreza Vakilifard Ghodrat-Allah Talebnia
  The main purpose of this paper is providing a model to calculate the credit risk of Melli bank clients and implement it at Mellat Bank. Therefore, the present study uses a multi-layered neural network method. The statistical population of this research is all real and l أکثر

  The main purpose of this paper is providing a model to calculate the credit risk of Melli bank clients and implement it at Mellat Bank. Therefore, the present study uses a multi-layered neural network method. The statistical population of this research is all real and legal clients of Melli and Mellat banks. Sampling method used in this research is a simple random sampling method. Friedman test was used to calculate the required number of samples in a random sampling method from Cochran formula (1977) and Friedman test was used to rank the factors affecting the credit risk. Friedman test was also performed using data from a completed questionnaire of active experts at the Melli Bank. Based on the results obtained from Friedman test, five important factors in the credit risk of real clients of the Melli Bank of Iran, type of occupation, guarantee value, loan amount, having return checks, the balance average, and the value of the guarantee, the amount of the loan, the average of the balance, having returned checks and deferred loans are the most important factors affecting the credit risk of legal clients, which have been used as inputs in the neural network model. The results of credit risk prediction using the neural network showed that the designed model has a high ability to predict the credit risk of real and legal clients of the Melli bank, while it did not have this ability for the Mellat bank. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  15 - بهینه سازی اثرگذاری سیال حفاری بر مبنای مکانیک سیالات در فرآیند حفاری چاه های یکی از میادین جنوب غرب ایران
  مهدی منجزی کورس نکوفر سید آرش سید شمس طالقانی مریم السادات قوامی ماسوله
  سرعت عملیات حفاری اثر مستقیمی بر روی هزینه‌های حفاری دارد و پارامترهای مختلفی ازجمله خواص سیال حفاری و هیدرولیک مته بر روی آن مؤثر است. بنابراین استفاده از مدل‌هایی با در نظر گرفتن پارامترهای مختلف که دقت بالا داشته باشند اهمیت فراوانی دارد. ازآنجاییکه ارتباط این پارامت أکثر

  سرعت عملیات حفاری اثر مستقیمی بر روی هزینه‌های حفاری دارد و پارامترهای مختلفی ازجمله خواص سیال حفاری و هیدرولیک مته بر روی آن مؤثر است. بنابراین استفاده از مدل‌هایی با در نظر گرفتن پارامترهای مختلف که دقت بالا داشته باشند اهمیت فراوانی دارد. ازآنجاییکه ارتباط این پارامترها با یکدیگر پیچیده است نیاز به یک روش محاسباتی قابل اجرا دارد. شبکه عصبی مصنوعی یک روش محاسباتی نوین برای یادگیری است که برای پیش بینی پاسخ‌های خروجی سیستم‌های پیچیده استفاده می‌گردد. در این مقاله شبکه عصبی به منظور پیش بینی نرخ نفوذ مته با در نظرگیری پارامترهای سیال حفاری مورد استفاده قرار می‌گیرد و از مدل‌های هوش مصنوعی چندلایه و پایه شعاعی برای تشخیص و پیش‌بینی سرعت حفاری به عنوان پارامتر خروجی استفاده شده است. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  16 - تشخیص عیوب ماشینهای دوار با آنالیز ارتعاشات و استفاده از شبکه ‏عصبی
  سید مجید عطایی اردستانی
  مبنای تشخیص معایب احتمالی یک ماشین، مقایسه طیف‌های فرکانسی ارتعاشات نقاط مختلف آن با طیف‌های مرجع موجود است. استفاده از این روش عیب‌یابی مقرون به صرفه است چرا که بدون نیاز به توقف ماشین، می‌توان وضعیت نقاط مختلف آن را تحت بررسی قرار داد و همچنین فقط در مواقع لازم و أکثر

  مبنای تشخیص معایب احتمالی یک ماشین، مقایسه طیف‌های فرکانسی ارتعاشات نقاط مختلف آن با طیف‌های مرجع موجود است. استفاده از این روش عیب‌یابی مقرون به صرفه است چرا که بدون نیاز به توقف ماشین، می‌توان وضعیت نقاط مختلف آن را تحت بررسی قرار داد و همچنین فقط در مواقع لازم و با توجه به میزان پیشرفت عیوب احتمالی، می‌توان اقدام به تعمیر آن نمود. در این تحقیق، از شبکه‌ی عصبی پرسپترون چند لایه ( MLP ) و شبکه عصبی پیشخور ( FNN ) استفاده شده است. همچنین عیوب متداول در ماشین‌آلات دوار بطور جداگانه ایجاد شد و فرکانس ارتعاشی تولیدی توسط دستگاه آنالیزور ADASH 4400‎ اندازه‌گیری گردید. با معرفی چهار ویژگی ارتعاشی شامل ناهمراستایی زاویه‌ای، لقی، خرابی و نابالانسی بیرینگ بعنوان داده‌های ورودی به شبکه‌های عصبی مصنوعی، نتایج با سیگنالهای فرکانسی مرجع مقایسه گردید. ‎ ‎نتایج نشان می‌دهد که شبکه‌های عصبی MLP و FNN به ترتیب تا 73% و 78% توانایی تشخیص عیوب را دارند. بنابراین روش FNN برای پیش‌بینی و شناسایی عمر مفید قطعات دوار پیشنهاد می‌گردد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  17 - Entrepreneurship policy and innovative indicators of industrial companies: Evaluation by MCDM and ANN Methods
  mehdi karimi farshid namamian farhad vafaei Alireza Moradi
  The present paper presented a methodology for prioritizing the innovative and entrepreneurial indicators using Multi Criteria Decision Making (MCDM) and Artificial Neural Networks (ANNs), taking into account three individual, organizational and cultural dimensions simul أکثر

  The present paper presented a methodology for prioritizing the innovative and entrepreneurial indicators using Multi Criteria Decision Making (MCDM) and Artificial Neural Networks (ANNs), taking into account three individual, organizational and cultural dimensions simultaneously in decision making procedure. This methodology has two main advantages: first, the speed of operation in the accounting process and its simplification, and the other is the high precision with the elimination of errors in the calculations. Hence, a combination of findings were considered and identified in the Meta synthesis framework in the form of group categorization of indicators. Then, the entrepreneurship and innovation experts' opinion were gathered based on Meta-analysis. Next, the indicators were prioritized using Analytical Network Process (ANP) and the Decision-Making Trial and Assessment Laboratory (DEMATEL). The results obtained from Meta-analysis and multi criteria decision making methods were used as input and output data, respectively, to create an Artificial Neural Network model. Finally, the Artificial Neural Network model was designed in the form of Multi-layer Perceptron (MLP) Neural Network. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  18 - هیه نقشه کاربری اراضی شهر سبزوار با استفاده از روش‌های حداکثر احتمال و شبکه عصبی مصنوعی پرسپترون چند لایه
  الهه اکبری مجید ابراهیمی ابوالقاسم امیر احمدی
  از جمله عوامل مهم در برنامه‌ریزی و مدیریت شهری، به ویژه در راستای نیل به توسعه‌ی پایدار در نواحی شهری و استفاده بهینه از سرزمین، اطلاع بهنگام از وضعیّت پوشش اراضی برای این مناطق است. داده‌های سنجش از دور به جهت ارائه‌ی اطلاعات به هنگام و رقومی، تنوع اشکال و امکان پردازش أکثر

  از جمله عوامل مهم در برنامه‌ریزی و مدیریت شهری، به ویژه در راستای نیل به توسعه‌ی پایدار در نواحی شهری و استفاده بهینه از سرزمین، اطلاع بهنگام از وضعیّت پوشش اراضی برای این مناطق است. داده‌های سنجش از دور به جهت ارائه‌ی اطلاعات به هنگام و رقومی، تنوع اشکال و امکان پردازش پتانسیل بالایی برای تهیه‌ی نقشه‌های به روز کاربری اراضی شهری دارند. در این تحقیق با استفاده از تصویر ماهواره‌ای Landsat/ETM+ و دو الگوریتم طبقه‌بندی نظارت شده شامل حداکثر احتمال و شبکه عصبی مصنوعی، نقشه کاربری اراضی تهیه و با یکدیگر مقایسه گردید. در طبقه‌بندی با استفاده از الگوریتم شبکه عصبی از یک شبکه پرسپترون با یک لایه پنهان و 7 نرون ورودی، 9 نرون میانی و 4 نرون خروجی استفاده شده است که تعداد نرون‌های ورودی همان تعداد باندهای تصویر ماهواره‌ای لندست و تعداد نرون‌های خروجی همان تعداد کلاس‌های نقشه کاربری اراضی می‌باشد. در نهایت نقشه پوشش اراضی منطقه به چهار طبقه‌ی مناطق مسکونی، اراضی بایر، پوشش گیاهی و جادّه طبقه‌بندی شد. برای ارزیابی صحّت نتایج طبقه‌بندی، برداشت‌های زمینی با استفاده از GPS انجام گرفت. نتایج حاصل از ارزیابی دقت این دو روش با استفاده از صحت کلی و ضریب کاپا نشان داده است که الگوریتم شبکه عصبی پرسپترون با دقت کلی 24/98 و ضریب کاپای 9703/0 نسبت به الگوریتم حداکثر احتمال با دقت کلی 23/94 و ضریب کاپای 9034/0 از دقت بیش تری برخوردار است. همچنین در این تحقیق ارزیابی شد که روش طبقه‌بندی شبکه‌ی عصبی پرسپترون چند لایه، نسبت به روش حداکثر احتمال، از توان تفکیک و قابلیت بیش تری برای تهیه‌ی نقشه پوشش اراضی در مناطق شهری برخوردار می‌باشد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  19 - ارزیابی جریان راه اندازی موتورهای القایی با استفاده از شبکه عصبی
  ایمان صادق خانی علیرضا صدوقی
  موتورهای القایی به صورت گسترده‌ای در صنعت مورد استفاده قرا می‌گیرند. با این وجود در طول پروسه راه‌اندازی، جریان راه‌اندازی آنها آنچنان بزرگ است که می‌تواند به تجهیزات آسیب برساند. بنابراین این جریان بایستی با دقت تخمین زده شود. در این مقاله، از شبکه عصبی مصنوعی برای ارز أکثر

  موتورهای القایی به صورت گسترده‌ای در صنعت مورد استفاده قرا می‌گیرند. با این وجود در طول پروسه راه‌اندازی، جریان راه‌اندازی آنها آنچنان بزرگ است که می‌تواند به تجهیزات آسیب برساند. بنابراین این جریان بایستی با دقت تخمین زده شود. در این مقاله، از شبکه عصبی مصنوعی برای ارزیابی مقدار پیک جریان راه‌اندازی موتورهای القایی استفاده می‌شود. هر دو ساختار متداول پرسپترون چندلایه (MLP) و تابع پایه‌ای شعاعی (RBF)مورد بررسی قرار می‌گیرند. برای آموزش ساختار MLP از شش الگوریتم پس انتشار (BP)، دلتا-بار-دلتا (DBD)، دلتا-بار-دلتا توسعه‌یافته (EDBD)، جستجوی تصادفی جهت‌دار (DRS)، انتشار سریع (QP) و لونبرگ مارکواردت (LM) استفاده می‌شود. نتایج شبیه‌سازی نشان می‌دهند که هرچند اکثر شبکه‌های آموزش‌دیده قادر به تخمین مناسب مقدار پیک جریان راه‌اندازی هستند، اما الگوریتم‌هایLM و EDBD بهترین نتیجه را بر اساس میانگین خطای نسبی و مطلق ارائه می‌دهد. این روش می‌تواند به شرکت‌های سازنده و اپراتورها برای ارزیابی مقدار پیک جریان راه‌اندازی در مرحله طراحی و بهره‌برداری کمک کند تا بتوانند تدابیر لازم را برای عملکرد ایمن موتور فراهم نمایند. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  20 - Common Spatial Pattern for Human Identification Based on Finger Vein Images in Radon space
  Akram Gholami Hamid Hassanpour
  Finger vein is one of the most fitting biometric for identifying individuals. In this paper a new method for finger vein recognition is proposed. First the veins are extracted from finger vein images by using entropy based thresholding. In finger vein images the veins a أکثر

  Finger vein is one of the most fitting biometric for identifying individuals. In this paper a new method for finger vein recognition is proposed. First the veins are extracted from finger vein images by using entropy based thresholding. In finger vein images the veins are appeared as dark lines. The method extracts veins as well, but the images are noisy, that means in addition to the veins they have some short and long lines. Then radon transformation are applied to segmented images. The Radon transform is not sensitive to the noise in the images due to its integral nature, so in comparison with other methods is more resistant to noise. For extracting dominant features from finger vein images, common spatial patterns (CSP) is applied to the blocks of radon transformation. Finally the data classified by using nearest neighbor (1-NN) and multilayer perceptron (MLP) neural network. The research was performed on the Peking University finger vein dataset. Experimental results show that 1-NN using CSP, with detecting rate 99.6753%, against MLP is most appropriate for finger vein recognition. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  21 - پیش بینی محصولات بنیادی روغن بابونه Abdicate Matricaria chamomilla L. با استفاده از سیستم شبکه عصبی مصنوعی
  نازنین خاکی پور مهتاب پاینده
  هدف از این تحقیق، پیش‌بینی نسبت و تولید اسانس بابونه با استفاده از یک سیستم شبکه عصبی مصنوعی متکی بر ویژگی‌های فیزیکوشیمیایی خاص خاک بود. سایت های مختلف کشت بابونه مورد بررسی قرار گرفت و 100 نمونه خاک به گلخانه منتقل شد. pH، EC، K، OM (ماده آلی)، CCE (معادل کربنات کلسیم أکثر

  هدف از این تحقیق، پیش‌بینی نسبت و تولید اسانس بابونه با استفاده از یک سیستم شبکه عصبی مصنوعی متکی بر ویژگی‌های فیزیکوشیمیایی خاص خاک بود. سایت های مختلف کشت بابونه مورد بررسی قرار گرفت و 100 نمونه خاک به گلخانه منتقل شد. pH، EC، K، OM (ماده آلی)، CCE (معادل کربنات کلسیم) و میزان رس در خاک ها از 8.75 تا 7.94، 1.6 تا 1.0، 381 تا 135، 2.30 تا 0.22، 69 تا 16، و 6.5 متغیر بود. به ترتیب به 32.0 رسید. پارامترهای رشد، درصد اسانس و عملکرد اندازه گیری شد. مدل‌سازی شبکه عصبی مصنوعی با هدف پیش‌بینی غلظت و عملکرد اسانس با استفاده از سه مجموعه از ویژگی‌های خاک به عنوان پیش‌بینی‌کننده انجام شد: نیتروژن (N)، فسفر (P)، پتاسیم (K)، و خاک رس. pH، EC، مواد آلی (OM) و خاک رس. CCE، خاک رس، سیلت، ماسه، N، P، K، OM، pH و EC. در نتیجه، سه تابع انتقال (PTF) با استفاده از پرسپترون چند لایه (MLP) با الگوریتم آموزشی Levenberg-Marquardt برای تخمین محتوای اسانس بابونه فرموله شد. ارزیابی نتایج نشان داد که PTF سوم (PTF3) که با استفاده از تمامی متغیرهای مستقل توسعه یافته است، بالاترین دقت و پایایی را از خود نشان می دهد. علاوه بر این، یافته‌ها امکان پیش‌بینی غلظت و عملکرد اسانس بابونه را بر اساس ویژگی‌های فیزیکوشیمیایی خاک پیشنهاد کرد. این پیامدهای قابل توجهی برای ارزیابی تناسب زمین، شناسایی مناطق مساعد برای کشت بابونه و برنامه ریزی برای بازده اسانس دارد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  22 - MLP learning-based landslide susceptibility assessment for Kurdistan province, Iran
  Mohammad Vand Jalili
  10.30495/geotech.2021.686582
  Landslide susceptibility analysis is considered the spatiotemporal pattern of the prone area for landsides occurrences which is mostly used in urban planning, hazard management, and sustainable developments. The presented study tried to analyze the landslide susceptibil أکثر

  Landslide susceptibility analysis is considered the spatiotemporal pattern of the prone area for landsides occurrences which is mostly used in urban planning, hazard management, and sustainable developments. The presented study tried to analyze the landslide susceptibility condition for Kurdistan province in Iran by using geographic information system (GIS) and multilayer perceptron (MLP). The assessment parameters are categorized in geomorphological, geological, and human-work classes concluded slope aspect, slope angle, elevation, hydraulic condition, distances from faults, weathering, distances from rivers, distances from roads and cities. According to the results of the susceptibility assessment for the studied area, it has appeared the MLP-based model is provided the susceptibility modeling with 85.25% accuracy and 83.79% precision. Also, the middle part and some of the west part of the studied area are located in the high-risk area for landslides failures. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  23 - Step change point estimation in the multivariate-attribute process variability using artificial neural networks and maximum likelihood estimation
  Mohammad Reza Maleki Amirhossein Amiri Seyed Meysam Mousavi
  In some statistical process control applications, the combination of both variable and attribute quality characteristics which are correlated represents the quality of the product or the process. In such processes, identification the time of manifesting the out-of-contr أکثر

  In some statistical process control applications, the combination of both variable and attribute quality characteristics which are correlated represents the quality of the product or the process. In such processes, identification the time of manifesting the out-of-control states can help the quality engineers to eliminate the assignable causes through proper corrective actions. In this paper, first we use an artificial neural network (ANN)-based method in the literature for detecting the variance shifts as well as diagnosing the sources of variation in the multivariate-attribute processes. Then, based on the quality characteristics responsible for the out-of-control state, we propose a modular model based on the ANN for estimating the time of step change in the multivariate-attribute process variability. We also compare the performance of the ANN-based estimator with the estimator based on maximum likelihood method (MLE). A numerical example based on simulation study is used to evaluate the performance of the estimators in terms of the accuracy and precision criteria. The results of the simulation study show that the proposed ANN-based estimator outperforms the MLE estimator under different out-of-control scenarios where different shift magnitudes in the covariance matrix of multivariate-attribute quality characteristics are manifested. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  24 - Experimental and Numerical Studying of Earing in Deep Drawing of a Square cup Made of Al-Br Bilayer Sheet
  محمدحسین محمودیان
  One of the most important methods of forming sheets is the deep stretching of metal sheets. Deep tension is widely used in deforming sheet metal into hollow sheet metal. In this study, the deep tensile strength of sheets made of brass and aluminum is first simulated and أکثر

  One of the most important methods of forming sheets is the deep stretching of metal sheets. Deep tension is widely used in deforming sheet metal into hollow sheet metal. In this study, the deep tensile strength of sheets made of brass and aluminum is first simulated and investigated using practical experiments.The general structure of the dissertation is as follows: First, the records and researches that have been done inside and outside the country in the field of deep drawing of two-layer sheets so far have been introduced and the obtained results have been reviewed. in the following, practical experiments and experimental study of deep tensile strength of double-walled sheets and effective parameters in this process are discussed. To confirm the simulation results, a number of experiments are performed which are divided into twoparts: preliminary and main experiments. Also, how to do the simulation by Abacus software is explained step by step.The results of research conducted by Abacus software and practical experiments show that the way the layers are arranged in the mold affects the shrinkage of the sheets. Also, it has been found that the amount of force is inversely related to the amount of folding. Finally, suggestions are provided to continue working on this issu تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  25 - کاربرد الگوریتم های فراابتکاری در پیش بینی درماندگی مالی با استفاده از متغیرهای مالی و غیرمالی درون شرکتی و اقتصادی (الگوریتم های بهینه سازی مـلخ و کلونی مورچگان)
  فریدون مرادی احمد یعقوب نژاد آزیتا جهانشاد
  10.30495/fed.2023.1962198.2734
  هدف این پژوهش ارزیابی توانمندی الگوریتم فراابتکاری بهینه‌سازی ملخ (GOA) در پیش‌بینی دقیق‌تر درماندگی مالی با استفاده از متغیرهای درون‌شرکتی (مالی و غیرمالی) و اقتصادی می‌باشد. روش این پژوهش بهبود عملکرد مدل پایه شبکه عصبی مصنوعی پرسپترون چندلایه (ANN-MLP) از طریق ایجاد أکثر

  هدف این پژوهش ارزیابی توانمندی الگوریتم فراابتکاری بهینه‌سازی ملخ (GOA) در پیش‌بینی دقیق‌تر درماندگی مالی با استفاده از متغیرهای درون‌شرکتی (مالی و غیرمالی) و اقتصادی می‌باشد. روش این پژوهش بهبود عملکرد مدل پایه شبکه عصبی مصنوعی پرسپترون چندلایه (ANN-MLP) از طریق ایجاد مدل ترکیبی مبتنی بر الگوریتم ملخ (MLP-GOA) و مقایسه توانمندی آن با عملکرد مدل ترکیبی مبتنی بر الگوریتم کلونی مورچگان (MLP-ACO) می‌باشد. جامعه آماری پژوهش شرکت‌های فعال در بازار بورس اوراق بهادار تهران طی یک دوره 7 ساله (از 1391 تا 1397) شامل 476 شرکت بوده که در نهایت با حذف سیستماتیک، 289 شرکت حایز شرایط (شامل 2023 مشاهده سال- شرکت) مورد بررسی و غربالگری قرار گرفته است. آزمون فرضیه‌ها برمبنای معیارهای ارزیابی ماتریس اغتشاش و منحنی ROC انجام شد. یافته‌ها توانمندی مدل پایه ANN-MLP در پیش‌بینی درماندگی مالی با استفاده از متغیرهای مالی و غیرمالی را اثبات نمود و علاوه بر آن، الگوریتم-های فراابتکاری از طریق مدل‌های MLP-GOA و MLP-ACO عملکرد مدل پایه شبکه عصبی را بهبود دادند. دقت مــدل MLP-GOA برای سال وقوع درماندگی تا دو سال قبل از آن به ترتیب 3/97%، 5/94% و 3/91% بوده است که از دقت مدل پایه و مدل MLP-ACO نیز بیشتر بوده است. همچنین نتایج نشان داد که با ورود متغیرهای اقتصادی، اگر چه توانمندی کلیه مدل‌های پایه و ترکیبی به نحو معنی‌داری افزایش یافته است، لیکن درماندگی مالی بیشتر متاثر از متغیرهای درون‌شرکتی بوده و در واقع اثر متغیرهای اقتصادی بر این رخداد، قبلاً از طریق اثر بر رویدادهای مالی ثبت شده در سیستم حسابداری، لحاظ شده است. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  26 - Robot control system using SMR signals detection
  faeze asadi
  One of the important issues in designing a brain-computer interface system is to select the type of mental activity to be imagined. In some of these systems, mental activity varies with user intent and action that must be controlled by the brain-computer system, and in أکثر

  One of the important issues in designing a brain-computer interface system is to select the type of mental activity to be imagined. In some of these systems, mental activity varies with user intent and action that must be controlled by the brain-computer system, and in a number of other signals, the received signals contain the same activity-related mental activity that should be performed by the brain-computer system. Take up The purpose of this paper is to identify and distinguish between multiple movements of the hand, including lifting and lowering the whole hand, from the electromagnetic signal (EEG) signal and the control of a robot by these signals. Since the purpose of using motor signals is selected from the various channels, channels 3c and 4c are selected as the preferred channel. This set of signals in total was about six healthy people. In this paper, support vector machines (SVM), multilayer perceptron (MLP) and probabilistic neural network (PNN) were designed to extract data properties. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  27 - New full adders using multi-layer perceptron network
  Reza Sabbaghi Leila Dehbozorgi Reza Akbari-Hasanjani
  How to reconfigure a logic gate for a variety of functions is an interesting topic. In this paper, a different method of designing logic gates are proposed. Initially, due to the training ability of the multilayer perceptron neural network, it was used to create a new t أکثر

  How to reconfigure a logic gate for a variety of functions is an interesting topic. In this paper, a different method of designing logic gates are proposed. Initially, due to the training ability of the multilayer perceptron neural network, it was used to create a new type of logic and full adder gates. In this method, the perceptron network was trained and then tested. This network was 100% accurate to determine outputs based on inputs. The results of comparison showed that the multilayer perceptron network had higher velocity and less delay in most cases, and used a smaller number of neurons, which will reduce the loss of power. Meanwhile, implementation of these gates will require less space through the multi-layer perceptron network. This method is prioritized in terms of the number of neurons and the level of implementation, and the speed of the detection of output compared to the other design. It also occupies less hardware space and is less complicated. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  28 - Hourly Wind Speed Prediction using ARMA Model and Artificial Neural Networks
  Farzaneh Tatari Majid Mazouchi
  In this paper, a comparison study is presented on artificial intelligence and time series models in 1-hour-ahead wind speed forecasting. Three types of typical neural networks, namely adaptive linear element, multilayer perceptrons, and radial basis function, and ARMA t أکثر

  In this paper, a comparison study is presented on artificial intelligence and time series models in 1-hour-ahead wind speed forecasting. Three types of typical neural networks, namely adaptive linear element, multilayer perceptrons, and radial basis function, and ARMA time series model are investigated. The wind speed data used are the hourly mean wind speed data collected at Binalood site in Iran. Simulation results indicate the ability of the proposed methods in 1-hour-ahead wind speed forecasting in Binalood of Iran. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  29 - ارایه مدل بهینه ریسک اعتباری فرایند تامین مالی جمعی با استفاده از شبکه عصبی پرسپترون چندلایه (MLP)
  علی ملکی علی زارع هاشم نیکومرام شادی شاهوردیانی
  هدف مطالعه حاضر، پیش‌بینی و ارایه مدل ریسک اعتباری جهت سرمایه‌پذیران تأمین ‌مالی جمعی مبتنی بر بدهی است. با توجه به پیچیدگی ارزیابی ریسک، بهترین معماری شبکه عصبی الگوریتم پرسپترون چند لایه برای شبیه‌سازی انتخاب شد. جامعه آماری این پژوهش، اطلاعات مالی پرونده‌ اعتباری/تسه أکثر

  هدف مطالعه حاضر، پیش‌بینی و ارایه مدل ریسک اعتباری جهت سرمایه‌پذیران تأمین ‌مالی جمعی مبتنی بر بدهی است. با توجه به پیچیدگی ارزیابی ریسک، بهترین معماری شبکه عصبی الگوریتم پرسپترون چند لایه برای شبیه‌سازی انتخاب شد. جامعه آماری این پژوهش، اطلاعات مالی پرونده‌ اعتباری/تسهیلاتی کلیه مشتریان (506 مورد) یکی از بانک‌های کشور مربوط به سال 98-97 است. به منظور معناداری رابطه شاخص‌های استخراج شده از نمونه با متغیر خروجی مدل (نکول و عدم نکول) اعضای نمونه توسط آزمون رگرسیون سنجیده شد. بدین ترتیب تعداد13شاخص به‌عنوان بردار ورودی شبکه عصبی با سه لایه پنهان در دو گروه نکول و عدم نکول وارد مدل گردید. بر اساس نتایج شبیه‌سازی، مدل پیشنهادی توانست با خطای کمتر و دقت پیش‌بینی بالاتر (94.1) وزن هریک از شاخص‌های ورودی به شبکه را محاسبه کند. همچنین ضریب تعیین برای داده‌های آموزشی برابر (0.88)، آزمایش برابر (0.94) و ارزیابی برابر (0.84) بدست آمد که نشان دهنده توانایی برازش بالای مدل شبکه عصبی پیشنهادی است. یافته‌های پژوهش نشان داد، از میان شاخص‌های ورودی، درآمدخالص، با وزنی معادل 0.163، میانگین حساب جاری با وزنی معادل 0.123 به مراتب از اهمیت بیشتر و شاخص سابقه تحصیلات با وزنی معادل 0.053 از اهمیت کمتری در گروه عدم نکول شده برخوردار است. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  30 - ارائه مدلی برای انتخاب سبد بهینه سهام با استفاده از الگوریتم هوش جمعی سالپ و شبکه‌های عصبی پرسپترون چندلایه
  سید علی حسینی زهرا پورزمانی آزیتا جهانشاد
  ﻣﻬﻤﺘﺮﯾﻦ دﻏﺪﻏﻪ ﺳﺮﻣﺎﯾﻪﮔﺬاران، اﻓﺰاﯾﺶ ﻣﯿﺰان ﺳﻮد و ﮐﺎﻫﺶ رﯾﺴﮏ درﺑﻮرس ﺑﻮده و ﻫﻤﻮاره ﺑﻪ دﻧﺒﺎل راهکاری جهت ﺑﻬﺘﺮﯾﻦ ﭘﯿﺸﻨﻬﺎد در ﺧﺮﯾﺪ ﺳﻬﺎم هستند، تا ﺑﯿﺸﺘﺮﯾﻦ سود ﺳﺮﻣﺎﯾﻪﮔﺬاری را ﺑﺎﺷﺪ. در تحقیقات اﻧﺠﺎم ﺷﺪه مشاهده می شود که ﻣﺪل رﯾﺎﺿﯽ ﻣﯿﺎﻧﮕﯿﻦ وارﯾﺎﻧﺲ ﻣﺎرﮐﻮﯾﺘﺰ ﯾﮑﯽ از اﺻﻠﯽﺗﺮﯾﻦ راهکارها اس أکثر

  ﻣﻬﻤﺘﺮﯾﻦ دﻏﺪﻏﻪ ﺳﺮﻣﺎﯾﻪﮔﺬاران، اﻓﺰاﯾﺶ ﻣﯿﺰان ﺳﻮد و ﮐﺎﻫﺶ رﯾﺴﮏ درﺑﻮرس ﺑﻮده و ﻫﻤﻮاره ﺑﻪ دﻧﺒﺎل راهکاری جهت ﺑﻬﺘﺮﯾﻦ ﭘﯿﺸﻨﻬﺎد در ﺧﺮﯾﺪ ﺳﻬﺎم هستند، تا ﺑﯿﺸﺘﺮﯾﻦ سود ﺳﺮﻣﺎﯾﻪﮔﺬاری را ﺑﺎﺷﺪ. در تحقیقات اﻧﺠﺎم ﺷﺪه مشاهده می شود که ﻣﺪل رﯾﺎﺿﯽ ﻣﯿﺎﻧﮕﯿﻦ وارﯾﺎﻧﺲ ﻣﺎرﮐﻮﯾﺘﺰ ﯾﮑﯽ از اﺻﻠﯽﺗﺮﯾﻦ راهکارها است اما ﺑﻬﺘﺮ اﺳﺖ ﻣﻌﯿﺎرﻫﺎیی همچون ﭼﻮﻟﮕﯽ با در نظر گرفتن ﭘﺘﺎﻧﺴﯿﻞ آینده ﺳﻬﺎم مورد بررسی قرار گیرد. در اﯾﻦ ﺗﺤﻘﯿﻖ از 20 ﺷﺮﮐﺖ اول از 50 ﺷﺮﮐﺖ ﺑﺮﺗﺮ ﺳﻪ ﻣﺎﻫﻪ اول سال 2019 اﻋﻼم ﺷﺪه ﺗﻮﺳﻂ ﺷﺮﮐﺖ ﺑﻮرس ﺑﻪ ﻋﻨﻮان ﻧﻤﻮﻧﻪ اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ. همچنین اﯾﻦ ﭘﮋوﻫﺶ ﺑﻪ دﻧﺒﺎل اراﺋﻪ مدلی است که در آن پتانسیل آینده سهام ، توسط شبکه عصبی پرسپترون چندلایه با چندسناریو مختلف از جمله پیش بینی از روش خود سری زمانی قیمت سهام و یا پیش بینی با تاثیر عوامل موثر در تغییرات قیمت سهام، پیش بینی می شود. ﺳﭙﺲ، اﯾﻦ ﻣﺪلﻫﺎی بهینه سازی ﺑﺎ اﺳﺘﻔﺎده از اﻟﮕﻮرﯾﺘﻢ هوش جمعی سالپ که از الگوریتم های نوظهور و با قدرت همگرایی بالا است، ﺣﻞ ﻣﯽﮔﺮدد. ﻧﺘﺎﯾﺞ ﺗﺤﻘﯿﻖ ﺑﯿﺎﻧﮕﺮ آن اﺳﺖ ﮐﻪ ﻣﺪلﻫﺎی اراﺋﻪ ﺷﺪه در اﯾﻦ ﻣﻘﺎﻟﻪ، در ﻣﻘﺎﯾﺴﻪ ﺑﺎ روشﻫﺎی ﺳﻨﺘﯽ و ﺷﺎﺧﺺ ﺑﺎزار، ﺑﺎزدﻫﯽ ﺑﺎﻻﺗﺮی را برای سرمایه گذاران فراهم می نماید. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  31 - ارائه مدلی جهت پیش‌بینی قیمت سهام با استفاده از روش‌های فرا ابتکاری و شبکه‌های عصبی
  سید حسین میرعلوی زهرا پورزمانی
  به دلیل پیچیدگی بازار بورس و حجم بالای اطلاعات مورد پردازش، اغلب استفاده از یک سیستم ساده برای پیش‌بینی نتایج خوبی به همراه ندارد. به همین دلیل محققان با ارائه‌ی مدل‌های ترکیبی سعی در ارائه‌ی سیستمی با پیچیدگی کمتر و کارایی و دقت بیشتر کرده‌اند. امروزه از الگوهای مختلفی أکثر

  به دلیل پیچیدگی بازار بورس و حجم بالای اطلاعات مورد پردازش، اغلب استفاده از یک سیستم ساده برای پیش‌بینی نتایج خوبی به همراه ندارد. به همین دلیل محققان با ارائه‌ی مدل‌های ترکیبی سعی در ارائه‌ی سیستمی با پیچیدگی کمتر و کارایی و دقت بیشتر کرده‌اند. امروزه از الگوهای مختلفی مانند: تکنیک های آماری (تحلیل تشخیصی، لوجیت و آنالیز فاکتوری) و تکنیک های هوش مصنوعی (شبکه های عصبی، درخت تصمیم گیری، استدلال مبتنی بر موضوع، الگوریتم ژنتیک، مجموعه های سخت، ماشین بردار تکیه گاه و منطق فازی) و یا ترکیبی از این دو تکنیک برای پیش بینی قیمت سهام استفاده می شود. در اکثر مدل‌های پیش‌بینی کننده، سیستم فقط با استفاده از اطلاعات یک شاخص به پیش‌بینی می‌پردازد، اما در مدل پیشنهادی در این پژوهش یک سیستم دو سطحی از شبکه‌های عصبی پرسپترون چندلایه پیشنهاد شده و از چندین شاخص برای پیش‌بینی استفاده می‌شود. در این پژوهش داده‌های شاخص قیمت بورس اوراق بهادار تهران از 1391 تا 1395 برای این منظور در نظر گرفته شده است. همچنین برای آموزش بهتر شبکه‌ی عصبی و در نتیجه بهبود نتایج بدست آمده، از الگوریتم بهینه‌سازی ملخ برای انتخاب بهترین نمونه‌ها استفاده شده است. نتایج بدست آمده نشان می‌دهد که مدل پیشنهادی توانسته با خطای پیش‌بینی پایین‌تری نسبت به دیگر مدل‌ها عمل کند تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  32 - Static Deflection of Hinged-Hinged piezoelectric Multilayer Beam Under Different Loading Conditions
  افشین منوچهری‌فر علیرضا جلیلی
  In this paper at first introduced constituent equations for piezoelectric and then by the help of this equations, internal energy of hinged-hinged piezoelectric multilayer beam was computed. Then by the principle of minimum potential energy and Rayleigh -Ritz method the أکثر

  In this paper at first introduced constituent equations for piezoelectric and then by the help of this equations, internal energy of hinged-hinged piezoelectric multilayer beam was computed. Then by the principle of minimum potential energy and Rayleigh -Ritz method the bending curvature equation of hinged-hinged piezoelectric multilayer beam under concentrated moment, concentrated force, uniform pressure load and applied electrical voltage with satisfaction of boundary conditions are guessed. Unknown coefficients are determined by the principle of minimum potential energy. Thereinafter obtained equations have simplified for hinged-hinged unimorph and bimorph beam. Electrical load and voltage produced in unimorph and bimorph beam as sensor are calculated. In order to verify the derived equations for a hinged-hinged piezoelectric multilayer bending beam, the analytical calculation compared with ANSYS 10 results by some finite element examples. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  33 - Evaluation of Tool Performance With Nanocrystalline Multilayer Coatings on the Machinability of Superalloy Inconel 718
  رسول مختاری همامی بهروز موحدی ایرج لیرابی مهدی بازرگان حقیقی
  In this paper, the performance of the cutting tool with nanocrystalline multilayer coatings (TiN+TiAlN) for machining of superalloy Inconel 718 in the dry and wet conditions was studied. The multi layer TiN and TiAlN with nanocrystalline structure was applied by physica أکثر

  In this paper, the performance of the cutting tool with nanocrystalline multilayer coatings (TiN+TiAlN) for machining of superalloy Inconel 718 in the dry and wet conditions was studied. The multi layer TiN and TiAlN with nanocrystalline structure was applied by physical vapor deposition technique (arc evaporation) on the WC-Co inserts. The results of the ball on disc wear test and the machining of superalloy Inconel 718 in wet and dry conditions indicated that the nanocrystalline coatings could produce better performance of tools in turning. Abrasion and adhesive wear resistance improved by nanocrystalline and modified Aluminum composition in TiAlN coating as well as toughness and thermal stability. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  34 - Comparison of Tribological Behavior of Single-Layer and Multilayer Electroless Nickel-Phosphorus Coatings in the Presence of Al2O3 and SiC Reinforcing Particles
  A.I.  Abduljaleel Al Rabeeah M. Razazi Boroujeni
  Due to their morphology, chemical composition, and phase structure, electroless nickel-phosphorus coatings are used on various substrates, including st37 steel, with the aim of improving working life in various industries. The latest generation of these coatings is the أکثر

  Due to their morphology, chemical composition, and phase structure, electroless nickel-phosphorus coatings are used on various substrates, including st37 steel, with the aim of improving working life in various industries. The latest generation of these coatings is the multilayer or hybrid type of nickel-phosphorus electroless coatings. In this research, for the first time, a three-layer Ni-P/Ni-P-Al2O3/Ni-P-SiC coating was produced and its tribological properties were investigated. X-ray diffraction test, energy beam spectrometer, optical and electron microscope images, hardness measurement, roughness measurement, adhesion test (according to ASTM B571 standard), and pin-on-disk wear (according to ASTM-G99 standard) were used for characterization. In the X-ray diffraction pattern related to the multilayer coating, in addition to the amorphous nickel-phosphorus phase, SiC and Al2O3 phases were also seen. The hardness of multilayer coating was 126 Vickers more than that of single-layer coating. The adhesion of all the coatings was very good, so after performing the bending test, no galling was observed in the coatings. In general, it was found that the use of multi-layer coating compared to single-layer coating (with the same thickness) leads to increased hardness, better adhesion, and superior wear behavior. The wear mechanism of the coatings was also evaluated with the help of electron microscope images and energy-dispersive X-ray spectroscopy. The wear mechanism of the electroless nickel-phosphorus coating was delamination and Abrasive, while the hybrid coating changed the mechanism to adhesive by creating a gradient of mechanical properties and lubrication. تفاصيل المقالة