مقاله پیش بینی سطح آب زیرزمینی دشت بستان آباد

مقاله پیش بینی سطح آب زیرزمینی دشت بستان آباد با استفاده از ترکیب نظارت شده مدل های هوش مصنوعی

در این تحقیق از مدل های هوش مصنوعی شامل شبکه های عصبی پیشرو (FNN)، شبکه هاش عصبی برگشتی(RNN) و برنامه نویسی بیان ژن (GEP) جهت بررسی تغییرات سطح آب زیرزمینی دشت استفاده شده است. نتایج نشانگر کاهش متوسط خطای هر دسته در مدل هوش مصنوعی مرکب نسبت به مدل های منفرد به مقدار میانگین 17% در مقادیر RMSE می باشد. با استفاده از نتایج مدل هوش مصنوعی مرکب، تاثیر کاهش 30 و 50 درصدی پمپاژ از چاه های بهره برداری بر روی سطح آب زیرزمینی مورد بررسی قرار گرفت. نتایج نشانگر بالا رفتن قابل توجه سطح آب در اکثر پیزومترها می باشد. این موضوع نشان دهنده تاثیر بالای مقادیر پمپاژ نسبت به تغییرات آب و هوایی در تغییرات سطح آب زیرزمینی منطقه مطالعاتی می باشد.

دریافت مقاله یا کتاب
حجم: 862 کیلوبایت

مقاله هوش مصنوعی و الگوریتم ترکیبی مناسب برای افزایش دقت پیش بینی های مدیریتی

معرفی سری فوریه، زنجیره مارکوف و مقایسه مدل پیش بینی (گری) با مدل پیش بینی ترکیبی گری- فوریه- مارکوف که در هم آمیخته شده اند ادامه یافته، تا منجربه خلق یک سامانه خبره پیش بینی با کمک هوش مصنوعی شود. این مدل موجب می شود اثربخشی پیش بینی داده های تصادفی نوسانی در اکثر برنامه های مدیریتی افزایش یابد. حاصل این مطالعه، معرفی الگوریتم تشخیص هوش مصنوعی است که کمک می کند تا محیطی رایانه ای برای یک سامانه پیش بینی خبره ایجاد شود که داده های کوتاه مدت و اتفاقی ناپایدار را به درستی و بادقت پیش بینی کند.

دریافت مقاله یا کتاب
حجم: 240 کیلوبایت

مقاله مقایسه روشهای کلاسیک و هوش مصنوعی در پیش بینی شاخص قیمت سهام و طراحی مدل ترکیبی

 در این تحقیق، سه رویکرد مطرح می شود: 1) پیش بینی شاخص قیمت سهام با رویکرد روشهای کلاسیک؛ 2) رویکرد هوش مصنوعی؛ 3) رویکرد ترکیبی. به این منظور ابتدا ارزیابی عملکرد روشهای کلاسیک از قبیل روشهای هموارسازی نمایی، تحلیل روند، ARIMA و هوش مصنوعی از قبیل شبکه های عصبی و شبکه های عصبی فازی انجام شده است، سپس سناریو سوم، یعنی طراحی مدل ترکیبی ازARIMA، شبکه های عصبی فازی مورد بررسی قرار گرفته است. ترکیبی از ARIMA، شبکه های عصبی و شبکه های عصبی فازی مورد بررسی قرار گرفته است. نتایج تحقیق بیانگر آن است که توانایی مدل ترکیبی نسبت به تمامی روشهای هوش مصنوعی و کلاسیک بالاتر است.

دریافت مقاله یا کتاب
حجم: 1.19 مگابایت