توسعه روشهای نوین در تخمین مواد جامد محلول بالخلوچای

اختصاصی از سورنا فایل توسعه روشهای نوین در تخمین مواد جامد محلول بالخلوچای دانلود با لینک مستقیم و پر سرعت .

PDF

توسعه روشهای نوین در تخمین مواد جامد محلول بالخلوچای

چکیده :

با توجه به محدودیتهای آب و اهمیت حفاظت از آن، مدیریت کیفی منابع آب سطحی بویژه رودخانهها بدلیل قرار گرفتن در معرض مستقیم انواع آلایندهها از اهمیت بیشتری برخوردار میباشد. لذا این تحقیق به منظور تخمین دقیق کل مواد جامد محلول بالخلوچای بهعنوان یکی از مهمترین آلایندهها با استفاده از مدلهای نوین ماشین بردار پشتیبان و شبکه بیزی و برنامهریزی بیان ژن طی دوره آماری 1351-1388 انجام شد داده های کیفی شامل پارامترهای سدیم، کلسیم، منیزیم، سولفات، کلرید هیدروژن کربناتPHدبی جریان وECدر مقیاس زمانی ماهانه جهت تخمین TDS استفاده گردید. پس از استخراج نتایج بهینه، بررسی و مقایسه مدلها، علاوه بر تأیید قابلیت و دقت بالای هر سه مدل، نشان داد که برنامه-ریزی بیان ژن بیشترین دقت را در تخمین کل مواد جامد محلول بالخلوچای داشته است

(فایل  در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

تخمین هوشمند دبی جریان زیربحرانی در شیب شکن قائم مستطیلی با استفاده از شبکة عصبی مصنوعی

اختصاصی از سورنا فایل تخمین هوشمند دبی جریان زیربحرانی در شیب شکن قائم مستطیلی با استفاده از شبکة عصبی مصنوعی دانلود با لینک مستقیم و پر سرعت .

دانلود مقاله تخمین هوشمند دبی جریان زیربحرانی در شیب شکن قائم مستطیلی با استفاده از شبکة عصبی مصنوعی

نوع فایل : PDF 

تعداد صفحات : 9

شرح محتوا

چکیده مقاله:

تعیین ارتباط بین عمق بحرانی و عمق جریان در لبة شیب شکنهای قائم با جریان زیربحرانی در بالادست آن یکی از مسائل مهم و مورد توجه مهندسان هیدرولیک بوده است. اگر ارتباط بین این دوعمق بخوبی برآورد شود، از این سازه میتوان به عنوان ابزار اندازه گیری دبی جریان درکانالهای آبیاری استفاده نمود. تاکنون تحقیقات فراوانی برای یافتن ارتباط میان این دو عمق صورت پذیرفته است. در این تحقیقات معموًلا سعی شده است با اندازه گیریهای آزمایشگاهی، منحنی مناسبی بر داده های حاصل برازش داده شود. لیکن، معمولا ارتباط این دومتغیر به صورت خطی در نظرگرفته میشود وهمین موضوع موجب ایجاد خطا درتخمین دبی جریان می گردد. دراین مقاله سعی شده است با تبیین ویژگیهای شبکه های عصبی مصنوعی، شبک های از نوع پرسپترون چند لایه با قانون یادگیری پس انتشار خطا برای بازیابی نگاشت غیرخطی میان الگوهای مستقل داده ها و متغیرهای وابسته طراحی گردد که به کمک آن، امکان تخمین هوشمند دبی جریان میسرگردد. نتایج حاصل نشان میدهد که انطباق خوبی بین مقادیر پیش بینی شدة دبی ناشی ازشبکة عصبی مصنوعی و داده های آزمایشگاهی وجود دارد.علاوه بر این، استفاده از شبکة عصبی مصنوعی نیز می تواند شیب شکن را به عنوان ابزاری برای اندازه گیری دبی جریان در سیستمهای انتقال آب و شبکه های آبیاری مطرح سازد.

کلیدواژه‌ها:

شیب شکن، دبی جریان، شبکة عصبی مصنوعی، تخمین هوشمند، یادگیری، پرسپترون چند لایه

Estimating SoftWare Costs تخمین هزینه های نرم افزار

اختصاصی از سورنا فایل Estimating SoftWare Costs تخمین هزینه های نرم افزار دانلود با لینک مستقیم و پر سرعت .

Estimating SoftWare Costs

تخمین هزینه های نرم افزار

17سفحه

مقدمه :

در نخستین روزهای کار با کامپیوتر ، تعداد کامپیوتر ها کم و برنامه های کاربردی اغلب پروژه های کوچک و یک نفره بود . از طرفی هزینه های نرم افزاری درصد کوچکی از کل هزینه سیستم کامپیوتری را تشکیل می داد و قدری خطا در تخمین هزینه های نرم افزاری ، تاثیر اندکی برجای می گذاشت . به تدریج تعداد ، اندازه و اهمیت برنامه های کاربردی و از طرف دیگر هزینه های ایجاد نرم افزارشروع به رشد نمود ، به گونه ای که امروزه نرم افزار گران ترین عنصر هر سیستم کامپیوتری به شمار می آید و افزایش بیش از حد هزینه ها برای سازنده نرم افزار مصیبت بار خواهد بود . در نتیجه این رشد ، تاثیر خطاها در تخمین هزینه نرم افزار بیشتر و بدتر شد . در نتیجه امروزه تخمین هزینه پروژه های نرم افزاری اهمیت زیادی پیداکرده است,      در این مقاله بعداز تعریف تخمین هزینه و انواع تخمین به تعریف ومقایسه سه روش از روشهای تخمین هزینه های نرم افزاری یعنی روش امتیاز کارکردی (FUNCTION POINT =FP) ,روش  COCOMO و روش FPROM می پردازیم .

تعریف تخمین هزینه :

تهیه یک تقریب با برآوری از هزینه های مورد نیاز برای انجام یک پروژه را تخمین هزینه گویند . مهمترین خروجی این فعالیت را تخمین هزینه جزئیات آنها و طراح مدیریت هزینه تشکیل می روند .

انواع تخمین :

1 ـ تخمین ساخت یافته : (structured estimating )

تخمین احتمالاً ابتدای ترین روش « اندازه گیری » می باشد . مردم همیشه از تجربه گذشته خود برای پیش بینی حوادث آینده استفاده می کنند . هرچند طبیعی است . تخمین های ساده جهت برنامه ریزی و کنترل موثر نمی توانند قابل اطمینان باشند . دقت تخمین به تجربه تخمین زننده در زمینه ای که او در حال تخمین است بستگی دارد . روش های تخمین ساخت یافته ، تلاشی برای استفاده از این واقعیت و در عین حال وارد نمودن ساختارو انضباط برفرآیند تخمین می باشد به نحوی که نتایج حاصله از آن را بتوان با اطمینان استفاده نمود . مزایای تخمین به قرار زیر می باشد .

پاورپوینت درباره روش تخمین موقعیت برای محیط های درونی با استفاده از شبکه عصبی مدار شعاعی

اختصاصی از سورنا فایل پاورپوینت درباره روش تخمین موقعیت برای محیط های درونی با استفاده از شبکه عصبی مدار شعاعی دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : power point  (لینک دانلود پایین صفحه) تعداد اسلاید  : 66 اسلاید

فهرست :

§بافت چیست؟

§تقسیم بندی های مختلف تعیین موقعیت و روشهای اصلی مطرح برای آن

§روش ها و سیستم های مطرح شده بر اساس انگشت نگاری محلی

§روش پیشنهادی

§ارزیابی روش پیشنهادی

§آشنایی با برنامه های مختلف تجارت سیار و جایگاه  تعیین موقعیت در آنها

§تبلیغات سیار

§نتیجه گیری

§مراجع

§ارسال مقالات

 

دو مزیت عمده:

§دقت خوب (خطای میانگین تشخیص موقعیت با دقتی کمتر از 6/0 متر )

§بار محاسباتی کم (با استفاده از تکنیک خوشه بندی)

روش مورد استفاده

§انجام اندازه گیری زیاد ازهر موقعیت  وبرای

 هر نقطه دسترسی و محاسبه تابع  توزیع به

 روش هیستوگرام (پارامتریک وغیرپارامتریک)

§محاسبه ضریب خودهمبستگی

§محاسبه تابع توزیع میانگین خطا

§Gaussian with mean μ and variance σ2, the average of n correlated samples is Gaussian distribution with mean μ and variance : (1 + α) σ2

                                                                                           1 − α

 

استفاده از نرم افزار مطلب برای طراحی   شبکه عصبی RBF

§ تنظیم میزان خطای یاد گیری= (0)

§ تنظیم میزان افزایش تعداد توابع شعاع مداری ( Step) در هر گام (2)

§ تنظیم مقدار واریانس توابع شعاع مداری توسط کاربر با پارامتر Spread

§ اجرای روال تکراری زیر

Ø محاسبه مراکز ثقل مطابق با الگوریتم (k میانگین)

Ø محاسبه ماتریس ضرائب با استفاده از روش گرادیان نزولی یا دلتا ( بدین منظور مقدار   net.adaptFcn  برابر 'learngd' تنظیم شد.)

 

Ø محاسبه  خطا بین مقادیر خروجی با مقادیر هدف (معیار فاصله اقلیدسی )

Ø در صورتیکه این مقدار از خطای پیش فرض (Goal ) کمتر بود تابع با افزایش تعداد توابع شعاع مداری برابر با گام تعریف شده(Step) به تکرار روال فوق می پردازد. این روال تا زمانی که خطا به حد مورد نظر برسد یا تعداد توابع برابر ورودی شود ادامه پیدا می کند.

تخمین ضریب پراکندگی طولی آلودگی در رودخانه ها

اختصاصی از سورنا فایل تخمین ضریب پراکندگی طولی آلودگی در رودخانه ها دانلود با لینک مستقیم و پر سرعت .

عنوان مقاله :تخمین ضریب پراکندگی طولی آلودگی در رودخانه ها

محل انتشار: دهمین کنگره بین المللی مهندسی عمران تبریز

تعداد صفحات:7

نوع فایل :  pdf