-
دسترسی آزاد مقاله
1 - توسعه و ترکیب مدلهای زمینآمار و محاسبات نرم در برآورد توزیع مکانی سطح آبزیرزمینی
سامان معروف پور احمد فاخری فرد جلال شیریاز اساسیترین موارد در مدیریت کمی منابع آب زیرزمینی، تخمین سطح آب با استفاده از دادههای برداشت شده از شبکه چاههای مشاهدهای است. هدف از این پژوهش، میانیابی سطح آب زیرزمینی با استفاده از زمینآمار و محاسبات نرم در منطقه ای از دشتهای بم نرماشیر و رحمتآباد (استان کرم چکیده کاملاز اساسیترین موارد در مدیریت کمی منابع آب زیرزمینی، تخمین سطح آب با استفاده از دادههای برداشت شده از شبکه چاههای مشاهدهای است. هدف از این پژوهش، میانیابی سطح آب زیرزمینی با استفاده از زمینآمار و محاسبات نرم در منطقه ای از دشتهای بم نرماشیر و رحمتآباد (استان کرمان) با مساحت 19028 کیلومتر مربع به عنوان نمونه می باشد. از روشهای کریجینگ ساده و عکس فاصله وزنی و همچنین مدلهای شبکه عصبی مصنوعی، سیستم استنتاج فازی-عصبی انطباقی و برنامهریزی بیان ژن برای پیشبینی توزیع مکانی سطح آبزیرزمینی استفاده و بهترین مدل از بین مدلهای هوشمند و زمین آماری انتخاب و برای نمونهبرداری بیشتر در منطقه مورد مطالعه استفاده شد. بدین منظور از اطلاعات مربوط به نمونههای حاصل از 65 حلقه چاه در طول آماری سال 1381 تا 1390 استفاده شد. برای مقایسه مدلها معیارهای آماری RMSE، R2، AARE و MAE به کار بسته شدند. نتایج نشان داد در بین مدلهای هوشمند با ورودی طول جغرافیایی و عرض جغرافیایی، شبکه عصبی مصنوعی و در بین مدلهای زمین آماری، روش عکس فاصله وزنی با داشتن کمترین RMSE (بهترتیب 138/7 و 062/15 متر) و AARE(به ترتیب 33 و 47 درصد) و بیشترین R2 (به ترتیب 606/0 و 591/0 ) مناسبترین مدل جهت برآورد به ترتیب نقطهای و ناحیهای سطح آبزیرزمینی میباشد. در نهایت مدل هیبرید IDW-ANN جهت تخمین و پهنهبندی سطح آبزیرزمینی در آینده انتخاب شد. پرونده مقاله -
دسترسی آزاد مقاله
2 - Comparative Study and Robustness Analysis of Quadrotor Control in Presence of Wind Disturbances
Reham MohammedControlling of the quadrotor has been noted for its trouble as the consequence of exceeds nonlinear system, strong coupled multivariable and external disturbances. Quadrotor position and attitude is controlled by several methodologies using feedback linearization, but w چکیده کاملControlling of the quadrotor has been noted for its trouble as the consequence of exceeds nonlinear system, strong coupled multivariable and external disturbances. Quadrotor position and attitude is controlled by several methodologies using feedback linearization, but when quadrotor works with unstructured inputs (e.g. wind disturbance), some limitations of this technique appear which influence flight work. Design control system with fast response, disturbance rejection, small error, and stability is the main objective of this work. So in this paper we can make use of new methods of control to design a controller of nonlinear robust with a reasonable performance to test the impact of wind disturbance in quadrotor control such as Fuzzy-PID controller and compared its results with the others four controllers which are PID tuned using GA, FOPID tuned using GA, ANN and ANFIS then discus which controller give the best results in the presence and absence of wind disturbance. The main objective of this paper is that performance of the designed control structure is computed by the fast response without overshoot and minim error of the position and attitude. Simulation results, shows that position and attitude control using FOPID has fast response and better steady state error and RMS error than Fuzzy-PID, ANFIS, ANN and PID tuned using GA without impact of wind disturbance but after impact of wind disturbance it was observed using Fuzzy-PID has fast response with minimum overshoot and better steady state error and RMS error than the other four controllers used in the paper and compared with most of literature reviews which didn't give the adequate results contrasted with the required position and attitude. The all controllers are tested by simulation under the same conditions using SIMULINK under MATLAB2015a. پرونده مقاله -
دسترسی آزاد مقاله
3 - مدل سازی و پهنه بندی پارامترهای کیفیت آب با استفاده از تصاویر ماهواره ای سنتینل-2 و هوش محاسباتی (مطالعه موردی: رودخانه کارون)
کاظم رنگزن مصطفی کابلی زاده محسن رشیدیان حسین دلفانبا توجه به پیشرفت های صورت گرفته در فناوری سنجشازدور، جمع آوری اطلاعات از وضعیت کیفی منابع آب سطحی به وسیله این فناوری ضمن کاهش هزینه و زمان نمونه برداری های سنتی، می تواند تمامی پهنه های آب سطحی را مورد پایش قرار دهد. در این مطالعه قابلیت تصاویر ماهواره سنتینل چکیده کاملبا توجه به پیشرفت های صورت گرفته در فناوری سنجشازدور، جمع آوری اطلاعات از وضعیت کیفی منابع آب سطحی به وسیله این فناوری ضمن کاهش هزینه و زمان نمونه برداری های سنتی، می تواند تمامی پهنه های آب سطحی را مورد پایش قرار دهد. در این مطالعه قابلیت تصاویر ماهواره سنتینل-2 جهت برآورد غلظت پارامترهای اسیدیته، بیکربنات و سولفات موردبررسی قرار گرفت. ابتدا تصاویر ماهواره سنتینل-2 پیش پردازش شد و سپس باندها و شاخص های طیفی مناسبی جهت شناسایی ارتباط معنی دار میان مقادیر هر پارامتر کیفیت آب و تصاویر با استفاده از روش رگرسیون چند متغیره تعیین گردید. در مرحله بعد با بهکارگیری دو مدل شبکه عصبی مصنوعی ANN و مدل سیستم استنتاج فازی-عصبی تطبیق یافته ANFIS، ارتباط میان تصاویر ماهواره سنتینل-2 و پارامترهای کیفیت آب به تفکیک مدلسازی شده و سپس دقت آن ها به ازای مقادیر واقعی محاسبه گردید. نتایج نشان داد که در مدلسازی پارامتر سولفات با استفاده از ماهواره سنتینل-2، مدل ANFIS به ترتیب با خطای نسبی و جذر میانگین مربعات خطا RMSe برابر 0.0773 و 0.8014 نسبت به مدل شبکه عصبی مصنوعی با خطای نسبی و RMSe برابر 0.1581 و 1.2477 دقت بالاتری دارد؛ درحالیکه در مدلسازی پارامترهای اسیدیته و بیکربنات، نتایج حاصل از مدل شبکه عصبی مصنوعی با خطای نسبی به ترتیب برابر با 0.0064 و 0.0556 و RMSe برابر با 0.0702 و 0.2691 برای هر دو پارامتر بهتر از مدل سیستم استنتاج فازی-عصبی تطبیق یافته با خطای نسبی به ترتیب برابر با 0.0165 و 0.0722 و RMSe برابر با 0.1975 و 0.3307 است. درنهایت با اعمال مدل های تهیهشده بر روی تصاویر ماهواره ای، نقشه وضعیت کیفی هر پارامتر در طول قسمتی از رودخانه کارون تهیه گردید. پرونده مقاله -
دسترسی آزاد مقاله
4 - The use of wavelet - artificial neural network and adaptive neuro fuzzy inference system models to predict monthly precipitation
اباذر سلگی حیدر زارعی بهداد فلامرزیPrecipitation forecasting due to its random nature in space and time always faced with many problems and this uncertainty reduces the validity of the forecasting model. Nowadays nonlinear networks as intelligent systems to predict such complex phenomena are widely used. چکیده کاملPrecipitation forecasting due to its random nature in space and time always faced with many problems and this uncertainty reduces the validity of the forecasting model. Nowadays nonlinear networks as intelligent systems to predict such complex phenomena are widely used. One of the methods that have been considered in recent years in the fields of hydrology is use of wavelet transform as a modern and efficient method to analysis of signals and time series.In this study, wavelet analysis combined with artificial neural network and compared with fuzzy inference system-adaptive neural for forecasting rainfall in Vrayneh station in the Nahavand. For this purpose, the original time series using wavelet theory decomposed to multi time sub-signals, then these sub-signals as input data to the neural network was used to predict monthly flow.Obtained results showed that hybrid wavelet - neural network model outperformed than fuzzy inference system - adaptive neural model and cant used for prediction of short and long term precipitation. Also the results showed that the hybrid model of wavelet - neural network acts well in estimating the extent points. پرونده مقاله -
دسترسی آزاد مقاله
5 - طراحی مدل تبیین رابطه بین کیفیت زندگی کاری و سرمایه اجتماعی کارکنان
میر مهرداد پیداییتحقیق حاضر با هدف تبیین رابطه بین کیفیت زندگی کاری و سرمایه اجتماعی کارکنان در یک سازمان آموزشی انجام شده است. این پژوهش از حیث هدف کاربردی بوده و از لحاظ طرح تحقیق، توصیفی تلقی می شود که با بهره گیری از روابط ریاضی به دنبال شبیه سازی روابط بین متغیرهاست. جامعه آماری ای چکیده کاملتحقیق حاضر با هدف تبیین رابطه بین کیفیت زندگی کاری و سرمایه اجتماعی کارکنان در یک سازمان آموزشی انجام شده است. این پژوهش از حیث هدف کاربردی بوده و از لحاظ طرح تحقیق، توصیفی تلقی می شود که با بهره گیری از روابط ریاضی به دنبال شبیه سازی روابط بین متغیرهاست. جامعه آماری این تحقیق کلیه کارکنان سازمان بوده که با استفاده از فرمول کوکران 96 نفر به روش تصادفی طبقه ای انتخاب و مورد مطالعه قرار گرفته است. در فرآیند مدل سازی این تحقیق از شبکه های عصبی فازی انطباقی بهره گرفته شده که در معماری آن متغیرهای کیفیت زندگی کاری به عنوان ورودی و سرمایه اجتماعی به عنوان خروجی در نظر گرفته شده است. برای اعتبارسنجی مدل از داده های آموزشی و داده های امتحانی که در قالب آموزش هیبریدی صورت گرفته، استفاده شده است. پرونده مقاله -
دسترسی آزاد مقاله
6 - کنترل فرکانس در ریزشبکههای چند-حاملی با حضور خودروهای الکتریکی مبتنی بر کنترلکننده سیستم استنتاج فازی عصبی تطبیقی
سیدعلی سید بهشتی فینی سید محمد شریعتمدار وحید امیرامروزه افزایش قیمت سوخت های فسیلی و کاهش منابع از یک سو و آلودگی های زیست محیطی از سوی دیگر باعث افزایش استفاده از منابع تجدیدپذیر گردیده است. در این مقاله ریزشبکه مورد مطالعه از منابع بادی و خورشیدی، ذخیره ساز (باتری و فلایویل) خودرو الکتریکی، دیزل ژنراتور و حضور سیستم چکیده کاملامروزه افزایش قیمت سوخت های فسیلی و کاهش منابع از یک سو و آلودگی های زیست محیطی از سوی دیگر باعث افزایش استفاده از منابع تجدیدپذیر گردیده است. در این مقاله ریزشبکه مورد مطالعه از منابع بادی و خورشیدی، ذخیره ساز (باتری و فلایویل) خودرو الکتریکی، دیزل ژنراتور و حضور سیستم های انرژی چند حاملی MCH)) به عنوان انرژی ترکیبی برق و حرارت (CHP) تشکیل شده است. فرکانس ریزشبکه باتوجه به شبکه گاز و پیک مصرف کنترل می شود. در ریزشبکه چند حاملی پخش بار شبکه گاز همزمان با پخش بار الکتریکی منظور می گردد. همچنین فرکانس به صورت غیرخطی کنترل میشود. از طرف دیگر روند رو به رشد تولید و به کارگیری خودروهای برقی (V2G) بارهای جدیدی برای شبکه برق ایجاد کرده است که در صورتی که مدیریت صحیحی بر روی نحوه شارژ آنها صورت نگیرد انحراف فرکانس شبکه افزایش یافته و می تواند سبب فروپاشی شبکه گردد. لذا از خودروهای برقی به منظور مشارکت در عملیات تنظیم فرکانس ریزشبکه با روش سیستم استنتاج فازی عصبی تطبیقی (ANFIS) استفاده می شود. به منظور مقایسه روش پیشنهادی در شبیه سازیها از کنترل کننده فازی استفاده شده است. نتایج حاصل از شبیه سازیها در پنج مطالعه مورد بررسی قرار میگیرند که بیان گر عملکرد مطلوب روش پیشنهادی در کاهش انحراف فرکانس، استحکام در برابر اغتشاشات و مقاوم بودن در برابر عدم قطعیتهای موجود در سیستم است. همچنین روش پیشنهادی توان خروجی پایدارتری در منابع تولید ریزشبکه دارد. پرونده مقاله -
دسترسی آزاد مقاله
7 - Long-term Streamflow Forecasting by Adaptive Neuro-Fuzzy Inference System Using K-fold Cross-validation: (Case Study: Taleghan Basin, Iran)
Reza Esmaeelzadeh Alireza Borhani DarianeStreamflow forecasting has an important role in water resource management (e.g. flood control, drought management, reservoir design, etc.). In this paper, the application of Adaptive Neuro Fuzzy Inference System (ANFIS) is used for long-term streamflow forecasting (mont چکیده کاملStreamflow forecasting has an important role in water resource management (e.g. flood control, drought management, reservoir design, etc.). In this paper, the application of Adaptive Neuro Fuzzy Inference System (ANFIS) is used for long-term streamflow forecasting (monthly, seasonal) and moreover, cross-validation method (K-fold) is investigated to evaluate test-training data in the model.Then, the results are compared with those of the typical validation method (i.e., using 75% of data for training and the remaining 25% for testing the validity of the trained model). Study area is Taleghan basin located in northwestern Tehran basin, Iran. The data used in this research consists of 19 years of monthly streamflow, precipitation and temperature records. To apply temperature and precipitation data in the model, the whole basin was divided into sub-basins and average values of each parameter for each sub-basin were allocated as model input. Finally, results were compared with those of the ANN model. It was found that the K-fold validation method leads to better performance than the typical method in terms of statistical indices. In addition, the results indicated the superiority of ANFIS model over ANN model in long-term forecasting. پرونده مقاله -
دسترسی آزاد مقاله
8 - پیشبینی درماندگی مالی با استفاده از روش ترکیبی PCA-ANFIS و الگوریتم فراابتکاری بهینهسازی ازدحام کبوتر
سینا خردیار محمد حسن قلیزاده فروغ لطفیدر پژوهش حاضر یک سیستم استنتاج فازی عصبی انطباقپذیر (ANFIS) مبتنی بر تحلیل مولفههای اصلی (PCA) جهت پیشبینی درماندگی مالی شرکتها پیشنهاد شدهاست. این سیستم نه تنها توانایی سازگاری و یادگیری را دارد، بلکه خطا را نیز کاهش میدهد؛ زیرا از پارامترهای اضافی هنگامی که متغی چکیده کاملدر پژوهش حاضر یک سیستم استنتاج فازی عصبی انطباقپذیر (ANFIS) مبتنی بر تحلیل مولفههای اصلی (PCA) جهت پیشبینی درماندگی مالی شرکتها پیشنهاد شدهاست. این سیستم نه تنها توانایی سازگاری و یادگیری را دارد، بلکه خطا را نیز کاهش میدهد؛ زیرا از پارامترهای اضافی هنگامی که متغیرهای ورودی بیش از حد هستند، اجتناب میکند. برای تأیید اثربخشی این مدل، تعداد 181 شرکت پذیرفته شده در بورس اوراق بهادار تهران (905 شرکت-سال) با استفاده از نمونهای سیستماتیک در دوره زمانی 1390 تا 1394 انتخاب شدند که از این تعداد، 58 شرکت-سال درمانده مالی و تعداد 847 شرکت-سال سالم بودند. این شرکتها به طور تصادفی به دو مجموعه تقسیم شدند: مجموعه آموزش جهت طراحی مدل و مجموعه وارسی جهت اعتبارسنجی مدل. نتایج حاصل از پژوهش نشان میدهد سیستم استنتاج فازی عصبی انطباقپذیر (ANFIS) مبتنی بر تحلیل مولفههای اصلی (PCA) قابلیت پیشبینی وقوع درماندگی مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران را دارد و زمانیکه مدل پیشنهادی با الگوریتم فراابتکاری ازدحام کبوتر ترکیب میگردد با کاهش مقدار خطا دقت مدل افزایش مییابد. بنابراین مشاهده میشود که استفاده از یک الگوریتم مکمل میتواند دقت پیشبینی مدل PCA-ANFIS را افزایش دهد. پرونده مقاله