Artificial Neural Network (ANN)

دسترسی آزاد مقاله

1 - یک روش جدید بر روی تجزیه بافت برای طبقه بندی تشخیص خودکار میکروکلسیفیکیشن سینه تصاویر ماموگرافی
زهرا مقصودزاده سروستانی جاسم جمالی مهدی تقی زاده محمد حسین فاتحی

برنامه های غربالگری از ماموگرافی به عنوان ابزار تشخیصی اولیه برای شناسایی زودهنگام سرطان پستان استفاده می کنند. هدف از انجام اين کار، امكان سنجي جداسازي اتوماتيك تصاوير میکروکلسیفیکیشن هاي بافت پستان و همچنين ارزيابي دقت آن با استفاده از به كارگيري دو تكنيك بهبود تصویر چکیده کامل

برنامه های غربالگری از ماموگرافی به عنوان ابزار تشخیصی اولیه برای شناسایی زودهنگام سرطان پستان استفاده می کنند. هدف از انجام اين کار، امكان سنجي جداسازي اتوماتيك تصاوير میکروکلسیفیکیشن هاي بافت پستان و همچنين ارزيابي دقت آن با استفاده از به كارگيري دو تكنيك بهبود تصویر و برجسته سازی میکروکلسیفیکیشن هاي بافت سینه برای نواحی مورد نظر ROI به کمک سیستم فازی بر اساس کانتراست منطقه و روش فیلترینگ گابور اشاره شده است. بعد از تعیین خوشه های میکروکلسیفیکیشن هاي بافت پستان، طبقه بندی خوشه ها با کمک الگوریتم طبقه بندی درخت تصمیم انجام مي شود. در ادامه برای بخش بندی نمونه های مشکوک به میکروکلسیفیکیشن برجسته و ماسک گذاری می شود و در مرحله آخر ویژگیهای بافت استخراج شده است و با کمک شبکه عصبی مصنوعی (ANN) برای تعیین نوع خوشخیم و بدخیم خوشه های بخش بندی شده ROI، استفاده می شود. نتایجی این کار انجام شده نشان دهنده دقت بالای 93% و بهبود حساسیت بالای 95% می باشد، که نشان می دهد راهکار ارائه شده می تواند با اطمینان برای تشخیص سرطان پستان اعمال شود. پرونده مقاله

دسترسی آزاد مقاله

2 - Water Quality Index Estimation Model for Aquaculture System Using Artificial Neural Network
Taliha Folorunso Musa Aibinu Jonathan Kolo Suleiman Sadiku Abdullahi Orire

Water Quality plays an important role in attaining a sustainable aquaculture system, its cumulative effect can make or mar the entire system. The amount of dissolved oxygen (DO) alongside other parameters such as temperature, pH, alkalinity and conductivity are often us چکیده کامل

Water Quality plays an important role in attaining a sustainable aquaculture system, its cumulative effect can make or mar the entire system. The amount of dissolved oxygen (DO) alongside other parameters such as temperature, pH, alkalinity and conductivity are often used to estimate the water quality index (WQI) in aquaculture. There exist different approaches for the estimation of the quality index of the water in the aquatic environment. One of such approaches is the use of the Artificial Neural Network (ANN), however, its efficacy lies in the ability to select and use optimal parameters for the network. In this work, different WQI estimation models have been developed using the ANN. These models have been developed by varying the activation function in the hidden layer of the ANN. The performance of the ANN-based estimation models was compared with that of the multilinear regression (MLR) based model. The performance comparison depicts the ANN model case 3 with a tangent activation function as the most accurate and optimal model as compared with MLR model and other ANN models based on the mean square error (MSE), root mean square error (RMSE) and regression (R) metrics. The optimal model has a goodness of fit of 0.998, thereby outweighing other developed models in its capability to estimate the WQI in the aquaculture system پرونده مقاله

دسترسی آزاد مقاله

3 - مقایسه مدل های شبکه عصبی مصنوعی و رگرسیون چند متغیره در پیش بینی درصد پوشش درمنه کوهی از روی برخی خصوصیات خاک
منصوره کارگر زینب جعفریان

مدیریت دقیق زیستبومهای خاکی برای اهداف مختلف مستلزم شناخت دقیق و کمی خصوصیات و فرآیندهای آنهـا بـه خصـوص در بخـش خـاک است. هدف تحقیق حاضر با توجه به تاثیر خصوصیات خاک بر پوشش گیاهی پیشبینی درصد پوشش گونه درمنه کوهی از طریق برخی خصوصیات خاک است. نمونهبرداری به روش تصادفی چکیده کامل

مدیریت دقیق زیستبومهای خاکی برای اهداف مختلف مستلزم شناخت دقیق و کمی خصوصیات و فرآیندهای آنهـا بـه خصـوص در بخـش خـاک است. هدف تحقیق حاضر با توجه به تاثیر خصوصیات خاک بر پوشش گیاهی پیشبینی درصد پوشش گونه درمنه کوهی از طریق برخی خصوصیات خاک است. نمونهبرداری به روش تصادفی سیستماتیک و با استقرار 5 ترانسکت 100 متری و 10 پلات 4 مترمربعی به فاصله 10 متر از هم روی هـر ترانسـکت انجام شد. درصد تاج پوشش درمنه کوهی در هر پلات اندازهگیری شده و نمونه خاک از عمق -0 15 سانیمتری گرفته شـد . در مجمـوع 50 نمونـه خـاک جمعآوری شده و مورد آزمایش قرار گرفت. کربن آلی، آهک، نیتروژن کل، اسیدیته همراه با درصد رطوبت، درصد رس، درصد سیلت و درصـد شـن خـاک اندازهگیری شدند. تمام دادهها به دو سری شامل سری آزمایش متشکل از 70 درصد دادهها برای انجام تجزیـه و تحلیـل و سـری ارزیـابی متشـکل از 30 درصد دادهها برای ارزیابی مدلهای ساخته شده تقسیم گردید. نتایج نشان داد که رطوبت خاک، درصد سیلت و درصد شـن خـاک بـه عنـوان مهـم تـرین خصوصیات خاک پیشبینی کننده در درصد تاج پوشش درمنه کوهی در منطقه مورد مطالعه میباشند. هم چنین نتایج ارزیابی مدلها نشـان داد کـه مـدل شبکه عصبی مصنوعی RMSE و ME به ترتیب برابر و 0/06 0/25 در مقایسه با مدل رگرسیون خطی چند متغیره با RMSE و ME بـه ترتیـب برابـر و 0/12 0/43 بهتر عمل کرده است. با توجه به RMSE و ME پایینتر مدل شبکه عصبی مصنوعی نسبت به مدل رگرسیون از عملکرد بهتری برخوردار بوده که دلیل این امر در نظر گرفتن روابط غیرخطی بین پدیدهها در روش شبکه عصبی مصنوعی میباشد. پرونده مقاله

دسترسی آزاد مقاله

4 - بهینه‌سازی بهره‌برداری از آبخوان دشت شهریار با شبیه‌سازی جریان آب زیرزمینی به روش مدل‌سازی ترکیبی
نیما صالحی شفا حسین بابازاده فیاض آقایاری علی صارمی محمدرضا غفوری مسعود صفوی علی پناهدار

10.30495/jrnr.2022.70366.10272

در پژوهش حاضر یک الگوی شبیه‌سازی چند‌هدفه ارایه شد و شش سناریو بر اساس بیلان آب زیرزمینی به‌منظور بهره‌برداری بهینه از آبخوان دشت شهریار تعریف شد. به این منظور، ابتدا با استفاده از مدل های مبتنی بر GIS و با روش‌های فازی و وزنی، مناطق پر آب و کم آب محدوده مطالعاتی به‌من چکیده کامل

در پژوهش حاضر یک الگوی شبیه‌سازی چند‌هدفه ارایه شد و شش سناریو بر اساس بیلان آب زیرزمینی به‌منظور بهره‌برداری بهینه از آبخوان دشت شهریار تعریف شد. به این منظور، ابتدا با استفاده از مدل های مبتنی بر GIS و با روش‌های فازی و وزنی، مناطق پر آب و کم آب محدوده مطالعاتی به‌منظور اولویت‌بندی منابع و مصارف شناسایی شدند. سپس سناریوهای مورد نظر به ‌وسیله مدل GMS شبیه‌سازی و ارزیابی شدند. در نهایت به منظور افزایش دقت نتایج پژوهش، غلظت TDS و بیلان آب زیرزمینی با استفاده از مدل‌ شبکه عصبی مصنوعی شبیه‌سازی شد. با توجه به نتایج روش‌های فازی و وزنی، مناطق رباط‌کریم، سپس اسلامشهر و در نهایت شهریار به‌عنوان نواحی کم آب مشخص شدند. بر اساس نتایج حاصل شده، بیلان حالت ناپایدار و صحت‌سنجی به ترتیب برابر 344/68- و 109/98- میلیون مترمکعب محاسبه شدند. سناریوی سوم با بیلان 203/33 میلیون ‌متر‌مکعب به‌عنوان بهترین سناریو انتخاب شد و بیلان حاصل از آن نسبت به بیلان حاصل از مدل GMS و شبکه عصبی برای سال آبی 95 به‌ترتیب برابر 284/87 و 284/83 درصد افزایش یافت. همچنین غلظت کل مواد جامد محلول آب زیرزمینی حاصل از مدل GMS‌ و شبکه عصبی در کل بازه زمانی مطالعاتی به‌طور میانگین برابر 655 و 651 میلی‌گرم بر لیتر برآورد شدند. معیارهای ضریب همبستگی و ضریب تعیین حاصل از مدل‌های شبکه عصبی برای بیلان آب زیرزمینی و کل داده‌ها برابر یک و برای غلظت کل مواد جامد محلول آب زیرزمینی به‌ترتیب برابر 0/997 و 0/994 برآورد شدند. در تحقیق حاضر، الگوی شبیه‌سازی چند‌هدفه به‌عنوان یک روش جامع و کاربردی با ارایه روش‌های شبیه‌سازی نوین، توانایی پشتیبانی از چند سناریوی مؤثر را داشته و منجر به افزایش پایداری سیستم آب زیرزمینی می‌شود. پرونده مقاله

دسترسی آزاد مقاله

5 - Comparative Study and Robustness Analysis of Quadrotor Control in Presence of Wind Disturbances
Reham Mohammed

Controlling 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 کامل

Controlling 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

6 - ارزیابی کارایی شبکه عصبی مصنوعی در پیش بینی روند بیابان زایی با استفاده از سیستم اطلاعات جغرافیایی GIS (مطالعة موردی: دشت دهلران، ایلام)
ثریا یعقوبی مرزبان فرامرزی حاجی کریمی جواد سروریان

یکی از مشکلات اصلی مناطق خشک و نیمه‌خشک حاکمیت پدیده بیابان زایی است. بنابراین، شناخت و پیش‌بینی عوامل مؤثر در پیشرفت پدیده بیابان‌زایی می‌تواند در مدیریت بهتر این مناطق مؤثر واقع شود. هدف از این تحقیق ارزیابی صحت مدل شبکه عصبی مصنوعی در پیش‌بینی روند بیابان‌زایی و انتخ چکیده کامل

یکی از مشکلات اصلی مناطق خشک و نیمه‌خشک حاکمیت پدیده بیابان زایی است. بنابراین، شناخت و پیش‌بینی عوامل مؤثر در پیشرفت پدیده بیابان‌زایی می‌تواند در مدیریت بهتر این مناطق مؤثر واقع شود. هدف از این تحقیق ارزیابی صحت مدل شبکه عصبی مصنوعی در پیش‌بینی روند بیابان‌زایی و انتخاب مؤثرترین معیار بیابان‌زایی در دشت دهلران با استفاده از مدل ایرانی ارزیابی وضعیت بیابان‌زایی (IMDPA) است. در این روش دو معیار آب و اقلیم به عنوان عوامل مؤثر در بیابان‌زایی انتخاب شدند. برای معیار اقلیم سه شاخص بارش سالانه، شاخص SPI و تداوم خشک‌سالی و برای معیار آب پنج شاخص افت آب، نسبت جذب سدیم، کلر، هدایت الکتریکی و کل مواد محلول در آب ارزیابی شد. با استفاده از مدل مذکور هر شاخص امتیازدهی شد. سپس با میانگین هندسی نقشه‌های معیار و شدت بیابان‌زایی در نرم‌افزار ArcGIS®93 برای دوره مورد نظر تهیه شد. در نهایت داده‌ها به شبکه عصبی مصنوعی جهت پیش‌بینی وارد شدند. نتایج نشان‌دهنده کارایی بالای مدل‌های شبکه عصبی مصنوعی در پیش‌بینی روند بیابان‌زایی بود به گونه‌ای که دقت شبکه بالای 80 درصد و میانگین مربعات خطا کمتر از یک بدست آمد. همین‌طور بر اساس نتایج بدست آمده برای دوره پیش‌بینی شده مهم‌ترین معیارهای احتمالی تأثیرگذار بر شدت بیابان‌زایی منطقه به ترتیب معیارهای اقلیم و آب با متوسط‌ وزنی 2 (متوسط زیر کلاس 1، 2 و 3)، 84/1 (متوسط زیر کلاس 1 و 2) رتبه‌بندی گردیدند. پرونده مقاله

دسترسی آزاد مقاله

7 - تفکیک طیفی گونه های مهم باغی با استفاده از شاخص های ابرطیفی و رویکردهای هوش مصنوعی
محسن میرزائی مژگان عباسی صفر معروفی عیسی سلگی روح اله کریمی

مطالعه انعکاس طیفی پدیده‌ها از طریق شاخص های طیفی امکان استفاده بهینه از دامنه وسیع طول‌موج‌های طیفی را در داده‌های ابرطیفی فراهم می‌کند. هدف از تحقیق، معرفی و ارزیابی عملکرد شاخص های طیفی در تفکیک گونه های غالب باغی در استان چهارمحال و بختیاری است. در این تحقیق 150 چکیده کامل

مطالعه انعکاس طیفی پدیده‌ها از طریق شاخص های طیفی امکان استفاده بهینه از دامنه وسیع طول‌موج‌های طیفی را در داده‌های ابرطیفی فراهم می‌کند. هدف از تحقیق، معرفی و ارزیابی عملکرد شاخص های طیفی در تفکیک گونه های غالب باغی در استان چهارمحال و بختیاری است. در این تحقیق 150 نمونه طیفی در محدوده 350 الی 2500 نانومتر، از گونه های انگور، گردو و بادام در انواعی از شرایط برداشت شد و پس از تصحیح اولیه، 30 عدد از مهم‌ترین شاخص های طیفی موجود در این زمینه استخراج شدند. آزمون واریانس و مقایسه میانگین ها جهت شناسایی شاخص های بهینه در تفکیک گونه ها، در سطح 99 درصد اطمینان اجرا شد. سپس از دو رویکرد شبکه عصبی مصنوعی و ماشین بردار پشتیبان جهت ارزیابی عملکرد شاخص ها در تفکیک گونه ها استفاده شد. نتایج آزمون واریانس نشان داد که شاخص های تنش رطوبت، نسبت باند در 1200 نانومتر، شاخص نرمال شده فئوئوفیتین و شاخص جذب سلولز جهت تفکیک گونه های موردمطالعه بهینه هستند. نتایج ارزیابی عملکرد شاخص های معرفی‌شده نتیجه 100 درصد تفکیک گونه‌ها را در دو رویکرد شبکه عصبی مصنوعی و ماشین بردار پشتیبان، در هر دو مرحله آموزش و آزمون نشان داده است. این نتایج لزوم انجام مطالعات طیف‌سنجی را برای تفکیک گونه های باغی پیش از تحلیل داده‌های تصویری ابرطیفی به دلیل حجم وسیع و هزینه بیشتر تهیه و تحلیل آن‌ها نشان می دهد. پرونده مقاله

دسترسی آزاد مقاله

8 - 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 دلفان

با 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 کامل

با 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

9 - پهنه بندی خطر زمین لغزش با استفاده از روش شبکه عصبی مصنوعی(مطالعة موردی: حوزه سپیددشت، لرستان)
سیامک بهاروند سلمان سوری

این تحقیق با هدف پهنه‌بندی خطر نسبی ناپایداری دامنه ای و وقوع زمین لغزش در حوزه سپیددشت با استفاده از روش شبکه عصبی مصنوعی با ساختار پرسپترون چندلایه و الگوریتم یادگیری پس انتشار خطا صورت گرفته است. به منظور بررسی پایداری دامنه‌ها در این حوزه ابتدا لغزش های حوزه با استف چکیده کامل

این تحقیق با هدف پهنه‌بندی خطر نسبی ناپایداری دامنه ای و وقوع زمین لغزش در حوزه سپیددشت با استفاده از روش شبکه عصبی مصنوعی با ساختار پرسپترون چندلایه و الگوریتم یادگیری پس انتشار خطا صورت گرفته است. به منظور بررسی پایداری دامنه‌ها در این حوزه ابتدا لغزش های حوزه با استفاده از تصاویر ماهواره‌ای TM و +ETM، عکس های هوایی 1:50000 منطقه و بازدیدهای میدانی (سال 1393) شناسایی و ثبت گردیدند. با قطع نقشه‌های عوامل مؤثر بر لغزش با نقشه پراکنش زمین‌لغزش‌ها، تاثیر هر یک از عوامل شیب، جهت شیب، کاربری اراضی، ارتفاع، لیتولوژی، بارندگی، فاصله از گسل، جاده و آبراهه به ناپایداری شیب‌ها در محیط نرم‌افزار ArcGIS®10.1 برآورد گردید. در محیط متلب ساختار مناسب (1-13-9) برای پهنه‌بندی خطر زمین لغزش با استفاده از روش شبکه عصبی مصنوعی با ساختار پرسپترون چندلایه و الگوریتم یادگیری پس انتشار خطا نوشته شد. بر اساس نتایج پهنه بندی خطر زمین لغزش با استفاده از این مدل به ترتیب 18/0، 41/12، 09/14، 85/29 و 52/43% از مساحت منطقه در کلاس‌های خطر خیلی کم، کم، متوسط، زیاد و خیلی زیاد قرار دارند. پرونده مقاله

دسترسی آزاد مقاله

10 - Forecasting the Profitability in the Firms Listed in Tehran Stock Exchange Using Data Envelopment Analysis and Artificial Neural Network
Maryam Saberi Mohammad Reza Rostami Mohsen Hamidian Nafiseh Aghami

10.22034/amfa.2016.527823

Profitability as the most important factor in decision-making, has always been considered by stake holders in the company's profitability. Alsocan bea basis forevaluatingthe performance of themanagers. The ability to predict the profitability can be very useful to help چکیده کامل

Profitability as the most important factor in decision-making, has always been considered by stake holders in the company's profitability. Alsocan bea basis forevaluatingthe performance of themanagers. The ability to predict the profitability can be very useful to help decision-makers. That's why one of the most important issues is the expected profitability. The importance of these forecasts depends on the amount of misalignment with reality. The amount of deviation is less than the forecast of higher accuracy. Although there are various methods for predicting but the use of artificial intelligence techniques is increasing due to fewer restriction. The aim of this study is to evaluate the predictive power of profitability using DEA and neutral network, to enhance the decision-making users of 2012 to 2015of 7 premier financial ratios were used as independent variables. Test results show that both of ANN and DEA have ability to forecast profitability and given that neutral network prediction accuracy is higher than the DEA, the model predict better the profitability of companies. پرونده مقاله

دسترسی آزاد مقاله

11 - Using Neural Network to Control STATCOM for ImprovingTransient Stability
Mozhgan Balavar

FACTS technology has considerable applications in power systems, such as; improving the steady stateperformance, damping the power system oscillations, controlling the power flow, and etc. STATCOM is oneof the most important FACTS devices used in the parallel compensati چکیده کامل

FACTS technology has considerable applications in power systems, such as; improving the steady stateperformance, damping the power system oscillations, controlling the power flow, and etc. STATCOM is oneof the most important FACTS devices used in the parallel compensation, enhancing transient stability andetc. Since three phase fault is widespread in power systems, in this paper STATCOM is used to improve thetransient stability of power system when three phase fault occurred. Neural Network has been used foradjusting the gain of the supplementary controller of STATCOM. The simulation performed in MATLAB /Simulink software. Simulation results showed when STATCOM combines with proposed Neural Networkbased supplementary controller; the transient stability of power system improves. پرونده مقاله

دسترسی آزاد مقاله

12 - ارزیابی عملکرد سازمان با استفاده از دو رویکرد تلفیقی DEA-BSC و ANN-DEA
رضا احتشام&rlm; راثی عیسی ناجی

با توجه به اهمیت کارایی در پیشبرد جوامع و جایگاهی که سازمان های امروزی به خود اختصاص داده ، استفاده از ارزیابی عملکرد به ضرورتی گریز ناپذیر تبدیل شده است. از این رو در این پژوهش سعی بر آن داریم تا با استفاده از تلفیق دو رویکرد DEA-BSC و ANN-DEA به بررسی کارایی سازمان ها چکیده کامل

با توجه به اهمیت کارایی در پیشبرد جوامع و جایگاهی که سازمان های امروزی به خود اختصاص داده ، استفاده از ارزیابی عملکرد به ضرورتی گریز ناپذیر تبدیل شده است. از این رو در این پژوهش سعی بر آن داریم تا با استفاده از تلفیق دو رویکرد DEA-BSC و ANN-DEA به بررسی کارایی سازمان ها بپردازیم. در این راستا، ابتدا به تعیین شاخص های عملکرد به کمک تکنیک کارت امتیازی متوازن در چهار بعد مشتری، فرآیندهای داخلی، رشد و یادگیری و مالی پرداخته، سپس با استفاده از روش تحلیل پوششی داده ها و مدل غیر شعاعی SBM و نرم افزار GAMS کارایی سازمان را محاسبه نمودیم. در گام بعد به کمک شاخص های بدست آمده از روش DEA-BSC و با استفاده از رویکرد تلفیق تحلیل پوششی داده ها و شبکه عصبی مصنوعی و با بهره گیری از نرم افزار MATLAB میزان کارایی را مجدداً محاسبه نمودیم. در گام آخر به مقایسه دو روش DEA-BSC و ANN-DEA پرداخته که نتایج بدست آمده از مقایسه دو روش مذکور حاکی از سازگاری دو مدل در بحث کارایی و برتری روش ANN-DEA به لحاظ زمان کوتاه پاسخگویی و تعیین کارایی و امکان استفاده از الگوریتم آموزش دیده آن برای اندازه گیری کارایی واحدهای سازمانی در آینده است. پرونده مقاله

دسترسی آزاد مقاله

13 - Prediction of Corrosion Rate for Carbon Steel in Soil Environment by Artificial Neural Network and Genetic Algorithm
Amir Akhtari-Goshayeshi Moslem Ghobadi Ehsan Saebnoori Alireza Zarezadeh Mohammad Rostami Mohammad Nematollahi

In this study, the corrosion rates for St37 carbon steel in some soil types with different conditions were measured. The effects of the parameters of moisture amount, soil’s particle size and salt’s concentration were determined by the mass loss method. An A چکیده کامل

In this study, the corrosion rates for St37 carbon steel in some soil types with different conditions were measured. The effects of the parameters of moisture amount, soil’s particle size and salt’s concentration were determined by the mass loss method. An Artificial Neural Network (ANN) model with three inputs and one output was established to simulate the experimental data. It was observed that Levenberg–Marquardt algorithm with hyperbolic tangent sigmoid transfer function provided the best results in training with the lowest MSE and MAE compared to the other methods in the model. The R values for training, validation, and test were presented and the value of 0.98684 was achieved for the complete data set which demonstrate a high level of ANN performance. The Genetic Algorithm (GA) was also used to find optimum inputs for the target of minimum corrosion rate value. The results showed a good agreement between the model prediction and experimental values. پرونده مقاله

دسترسی آزاد مقاله

14 - کاهش نوسانات زیر سنکرون با استفاده از ادوات D-FACTS با کنترل‌کننده‌های هوشمند
زهرا امینی خویی عباس کارگر

هنگامی که یک توربین-ژنراتور به یک خط انتقال طولانی وصل می‌شود ممکن است عوارض جانبی مانند پدیده SSR در آن به وجود آید. هدف این است که با استفاده از قابلیت‌های جبران کننده سری (DSSC) به عنوان یک عضو از خانواده D- FACTS به کاهش SSR پرداخته شود. برای رسیدن به هدف مورد نظر ا چکیده کامل

هنگامی که یک توربین-ژنراتور به یک خط انتقال طولانی وصل می‌شود ممکن است عوارض جانبی مانند پدیده SSR در آن به وجود آید. هدف این است که با استفاده از قابلیت‌های جبران کننده سری (DSSC) به عنوان یک عضو از خانواده D- FACTS به کاهش SSR پرداخته شود. برای رسیدن به هدف مورد نظر از کنترل‌کننده فازی، بهینه سازی ازدحام ذرات (PSO) و شبکه عصبی استفاده شده است. بهینه سازی ازدحام ذرات (PSO) بر اساس کنترل‌کننده میرایی مرسوم (CDC)، منطق فازی بر اساس کنترل میرایی (FLBDC) و شبکه عصبی نیز بر اساس کنترل میرایی با استفاده از آموزش داده‌های سرعت و تغییرات سرعت طراحی شده اند. پایداری سیستم از طریق شبیه‌سازی در حوزه زمان و با مطالعه شاخص عملکرد (PI) بر اساس دینامیک سیستم قدرت مورد بررسی قرار گرفته است. نتایج شبیه‌سازی با استفاده از نرم افزار Matlab / Simulinkآورده شده است. موارد مورد مطالعه به منظور نشان دادن این واقعیت است که الگوریتم های مربوطه قادر به کاهش تشدیدهای زیر سنکرون می‌باشند. نشان داده شده که کنترل‌‌کننده فازی و الگوریتم بهینه‌سازی PSOبه همراه شبکه عصبی به خوبی می‌توانند این نوسانات ‌را کاهش دهند. پرونده مقاله

دسترسی آزاد مقاله

15 - بررسی تخلیه جزیی شینه‌های استاتور ژنراتورهای سنکرون توسط شبکه عصبی
سیدمیثم عزتی فرامرز فقیهی علی معرفیان پور

این مقاله به بررسی و تحلیل تخلیه جزیی بر روی شینه‌های استاتور ژنراتور سنکرون می‌پردازد. لازم است در ابتدا، با استفاده از تجهیزات مربوطه، اندازه‌گیری سیگنالهای خاص این نوع تخلیه در دفعات و زمان‌های مختلف انجام گیرد و سپس با توجه به قواعد و استانداردهای موجود به تفسیر آنه چکیده کامل

این مقاله به بررسی و تحلیل تخلیه جزیی بر روی شینه‌های استاتور ژنراتور سنکرون می‌پردازد. لازم است در ابتدا، با استفاده از تجهیزات مربوطه، اندازه‌گیری سیگنالهای خاص این نوع تخلیه در دفعات و زمان‌های مختلف انجام گیرد و سپس با توجه به قواعد و استانداردهای موجود به تفسیر آنها پرداخته شود. به منظور تفسیر بهتر نتایج، یک شبکه عصبی مورد آموزش، آزمون و صحت سنجی قرار گرفته است. شبکه عصبی مورد استفاده، شبکه پرسپترون پیشرو دو لایه می‌باشد که با روش لونبرگ مارکوارت با در نظر گرفتن حداقل‌سازی مربعات خطا به عنوان شاخص عملکرد، مورد آموزش قرار گرفته است. به عنوان تست سیستم نمونه، آزمایش بر روی سه ژنراتور میتسوبیشی نیروگاه گازی شهر ری که هر کدام با توان نامی 85 مگاوات به تولید می‌پردازند، انجام گرفته است. در استاتور ژنراتور سنکرون عموماً وجود تخلیه الکتریکی در محل تماس شینه‌ها با بدنه استاتور، ورقه ورقه شدن داخلی شینه‌ها، وجود لقی در داخل دیواره عایق اصلی و ایجاد تخلیه در داخل شیار نتایج حاصل از تحلیل تخلیه جزیی می‌باشند پرونده مقاله

دسترسی آزاد مقاله

16 - توسعه مدل هیبریدی موجکی در برآورد خشکسالی‌های منطقه‌ای حوضه آبریز سیمینه رود
عرفان رستم زاده علیرضا پرویشی

در مطالعه حاضر خشکسالی حوضه آبریز سیمنه‌رود به وسیله مدلهای هوشمند ماشین بردار پشتیبان (SVM)، شبکه عصبی مصنوعی (ANN) و تئوری موجک (W) مورد بررسی قرار گرفت. از دادههای شش ایستگاه باران‌سنجی در منطقه استفاده و شاخص خشکسالی در چهار مقیاس زمانی محاسبه گردید. همچنین خود همبس چکیده کامل

در مطالعه حاضر خشکسالی حوضه آبریز سیمنه‌رود به وسیله مدلهای هوشمند ماشین بردار پشتیبان (SVM)، شبکه عصبی مصنوعی (ANN) و تئوری موجک (W) مورد بررسی قرار گرفت. از دادههای شش ایستگاه باران‌سنجی در منطقه استفاده و شاخص خشکسالی در چهار مقیاس زمانی محاسبه گردید. همچنین خود همبستگی مرتبه اول به عنوان تاخیر بهینه انتخاب شد. سپس ساختار مناسب شبکه عصبی مصنوعی با استفاده از روش آزمون و خطا تعیین و ضرایب سه‌گانه مدل SVM نیز مشخص و مدلسازی انجام شد. نتایج ارزیابی مدلهای منفرد نشان داد که تفاوت معنی داری بین دو روش در پیش‌بینی خشکسالیها وجود ندارد. در ادامه مدلهای هیبریدی WANN و WSVMتهیه شدند. نتایج نشان داد کاربست تئوری موجک عملکرد مدلهای منفرد را بسیار بهبود داده و مقدار شاخصهای RMSE و MAE به ترتیب 19٪ و 21٪ کاهش و ضریب همبستگی 30٪ افزایش داشته و مدل W(L2)SVM برای پیشبینی خشکسالی‌های حوضه آبریز سیمینه‌رود پیشنهاد گردید. پرونده مقاله

دسترسی آزاد مقاله

17 - 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 چکیده کامل

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. پرونده مقاله

دسترسی آزاد مقاله

18 - Town trip forecasting based on data mining techniques
Mohammad Fili Majid Khedmati

10.30495/jiei.2020.678774

In this paper, a data mining approach is proposed for duration prediction of the town trips (travel time) in New York City. In this regard, at first, two novel approaches, including a mathematical and a statistical approach, are proposed for grouping categorical variabl چکیده کامل

In this paper, a data mining approach is proposed for duration prediction of the town trips (travel time) in New York City. In this regard, at first, two novel approaches, including a mathematical and a statistical approach, are proposed for grouping categorical variables with a huge number of levels. The proposed approaches work based on the cost matrix generated by repetitive post-hoc tests for different pairs. Then, a random forest model is constructed for the prediction of the type of trips, short or long. Finally, based on the trip type and each of the mathematical and statistical approaches, separate artificial neural networks (ANN) are developed to predict the duration time of the trips. According to the results, the mathematical approach performs better and provides more accurate results than the statistical approach. In addition, the proposed methods are compared with some other methods in the literature in which the results show that they perform better than all other methods. The RMSE of mathematical and statistical approaches is, respectively, 4.23 and 4.27 minutes for short trips, and the related value is 9.5 minutes for long trips. In addition, a modified version of the nearest neighborhood approach, entitled modified nearest neighborhood (MNN), is proposed for the prediction of the trip duration. This model resulted in accurate predictions where its RMSE is 4.45 minutes. پرونده مقاله

دسترسی آزاد مقاله

19 - Long-term Streamflow Forecasting by Adaptive Neuro-Fuzzy Inference System Using K-fold Cross-validation: (Case Study: Taleghan Basin, Iran)
Reza Esmaeelzadeh Alireza Borhani Dariane

Streamflow 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 کامل

Streamflow 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

20 - 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 چکیده کامل

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. پرونده مقاله

دسترسی آزاد مقاله

21 - On the dynamic stability of a flying vehicle under the follower and transversal forces
Omid Kavianipour Majid Sohrabian

This paper deals with the problem of the instability regions of a free-free uniform Bernoulli beam consisting of two concentrated masses at the two free ends under the follower and transversal forces as a model for a space structure. The follower force is the model for چکیده کامل

This paper deals with the problem of the instability regions of a free-free uniform Bernoulli beam consisting of two concentrated masses at the two free ends under the follower and transversal forces as a model for a space structure. The follower force is the model for the propulsion force and the transversal force is the controller force. The main aim of this study is to analyze the effects of the concentrated masses on the beam instability. It is determined that the transverse and rotary inertia of the concentrated masses cause a change in the critical follower force. This paper also offers an approximation method as a design tool to find the optimal masses at the two tips using an artificial neural network (ANN) and genetic algorithm (GA). The results show that an increase in the follower and transversal forces leads to an increase of the vibrational motion of the beam which is not desirable for any control system and hence it must be removed by proper approaches. پرونده مقاله

فهرست مقالات Artificial Neural Network (ANN)

سکوی نشر دانش

پیوندهای سایت

مراکز مرتبط

پشتیبانی

صفحات رسمی