ISME CONFERENCE 2002 AUTHORS GUIDE, PAPER TITLE

اندازه: px
شروع نمایش از صفحه:

Download "ISME CONFERENCE 2002 AUTHORS GUIDE, PAPER TITLE"

رونوشت

1 4 سال ششم شماره بیست و چهارم تابستان 9315 پیشبینی تراز آب دریاچه ارومیه با استفاده از روشهای سری زمانی شبکه عصبی مصنوعی و شبکه عصبی- موجکی مهدی کماسی حامد نوذری ندا قشالقی تاریخ دریافت: 9313/91/91 تاریخ پذیرش: 9315/10/23 چکیده دریاچه ارومیه دومین دریاچه شور جهان است و با توجه به معیارهای اجتماعی- اقتصادی و زیست محیطی نقش مهمی در منطقه شمالغرب ایران دارد که در سالهای اخیر با مشکالتی مواجه شده است و به دلیل خشکسالی استفاده بیش از حد آبهای سطحی و ساخت سدها تراز سطح آب آن کاهش یافته است. یکی از فاکتورهای مهم که در مدیریت صحیح در هر زمینهای تأثیر دارد داشتن یک دید و نگرش مناسب از اتفاقات آینده در آن زمینه است به همین دلیل شبیهسازی و سپس پیشبینی متغیرهای هیدرولوژیکی از اهمیت ویژهای برخوردار است. بنابراین در پژوهش حاضر به مقایسه سه روش پیشبینی سری زمانی آریما شبکه عصبی مصنوعی و شبکه عصبی- موجکی جهت ارائه بهترین روش پیشبینی تراز سطح آب دریاچه ارومیه در مقیاس ماهانه پرداخته شده است. نتایج حاصل با توجه به معیار ضریب تبیین و جذر میانگین مربعات خطا مقایسه شد که نشاندهنده عملکرد بهتر شبکه عصبی- موجکی در مقایسه با دو روش سری زمانی آریما و شبکه عصبی مصنوعی به دلیل لحاظ نمودن تغییرات ماهانه فصلی و ساالنه در قالب تجزیه سریهای زمانی میباشد. واژههای کلیدی: موجکی. تراز سطح آب دریاچه ارومیه سری زمانی شبکه عصبی مصنوعی شبکه عصبی- ا 1 ستادیار گروه عمران دانشگاه آیت اهلل العظمی بروجردی )ره( )مسئول مکاتبه( ا ستادیار گروه علوم و مهندسی آب دانشگاه بوعلی سینا همدان دانشجوی کارشناسی ارشد مهندسی منابع آب دانشگاه بوعلی سینا همدان_ لرستان بروجرد خیابان طالقانی

2 and Tongal, 2010( 4 سال ششم شماره بیستو چهارم تابستان 9315 مقدمه در دهههای اخیر با توجه به مشکل کمبود منابع آبی مسئله استفاده و مدیریت بهینه از این منابع اهمیت خاصی پیدا کرده است. یکی از مواردی که در این زمینه مورد توجه قرار گرفته است تهیه مدل پیشبینیکننده عوامل هیدرولوژیکی میباشد. وجود چنین مدلهایی باعث میگردد که مدیریت و تصمیمگیریهای مربوط به منابع آبی با دقت بیشتری انجام گیرد. et al. به همین دلیل شبیهسازی و سپس پیشبینی متغیرهای هیدرولوژیکی میتواند اهمیت به سزایی داشته باشد. در این زمینه میتوان از پیشبینی با استفاده از روشهای خطی مانند مدلهای آریما و روشهای شبیهسازی و پیشبینی غیرخطی مانند روشهای شبکه عصبی و و شبکه عصبی- موجکی نام برد. در این میان تحلیل سری زمانی تراز دریاچهها می تواند اطالعات کاملی را به منظور پیشبینی تغییرات متغیرهای اقلیمی و تغییرات منابع آبی موجود در منطقه در اختیار کارشناسان قرار دهد 2002(.)Ghil به همین دلیل پژوهش های زیادی روی روشهای شبیه سازی و پیش بینی تراز دریاچه ها صورت گرفته است تا بتوان تغییرات اقلیمی را به درستی پیش بینی نمود. به عنوان نمونه رسولی و عباسیان )1999( نشان دادند سریهای زمانی تراز دریاچه ارومیه در مقیاس ساالنه و فصلی دارای نوسانات و تغییرات بسیار چشمگیری هستند که شاید به نوعی نشاندهنده حاکمیت متناوب اقلیمهای نیمهخشک تا نیمه مرطوب با ماهیتهای مختلف در طول زمان در منطقه است. مقایسه روشهای شبکه 1 عصبی سیستم استنتاج تطبیقی فازی عصبی )ANFIS( و روش استوکستیکی در پیشبینی سطح آب دریاچه اجیردیر ترکیه مدلهای ANN و ANFIS نیز نشان داد که دقت بیشتر از مدلهای AR ARMA و بوده است اما مدلهای استوکستیکی نیز همچنان میتوانند برای سیاستهای مدیریت دریاچه با ریسک مجاز و قابل قبولی استفاده شوند و همکاران )01( پنج.)Güldal در این راستا خطیبی روش مدلسازی تراز آب شش دریاچه از ایاالتمتحده آمریکا و ترکیه با ویژگیهای متفاوت فیزیکی را مورد استفاده قرار دادند. این پنج مدل عبارتاند از: تئوری هرج مرج و )Chaos( مدل خودهمبسته میانگین متحرک تلفیقشده )ARIMA( مدل خودهمبسته میانگین 9 متحرک تلفیقشده فصلی )SARIMA( شبکه عصبی )GEP( 5 )ANN( برنامهنویسی ژنتیک مصنوعی رگرسیون خطی چندگانه و.)MLR( هر کدام از این روشها با فرضیات متفاوتی فرموله شدهاند. عملکرد این پنج مدل از خوب تا ضعیف دستهبندی شد. آنها نشان دادند که حتی ضعیفترین این مدلها از نظر عملکرد میتواند برای درک نسبی رفتار طبیعت مورد استفاده قرار گیرد 2014( al..)khatibi et اما یکی از روشهایی که امروزه استفاده از آن در تحلیل و پیشبینی سری زمانی در حال گسترش است روش تبدیل موجک میباشد )نوری و رهنما 1995(. با استفاده از این تبدیل میتوان یک سری زمانی ناایستا را به چندین سری زمانی ایستا تجزیه و با وارد نمودن آنها به عنوان ورودی شبکه عصبی قدرت این شبکه را در پیشبینی باال برد. این مدل 3 ترکیبی جدید به نام شبکه عصبی- موجکی )WNN( بوجود میآورد که از مزیتهای شبکه عصبی و تبدیل موجک باهم استفاده میکند )نخعی و صابری 1981(. همچنین از ترکیب آنالیز موجک و برنامهنویسی ژنتیک برای ساخت یک مدل ترکیبی جهت یافتن الگوی فصلی بارش رواناب استفاده شد نتایج به دست آمده نشان داد که مدل میتواند هر دو الگوی بلندمدت و کوتاه مدت را با توجه به استفاده از سری های زمانی چند مقیاسه بارش و رواناب به عنوان ورودی استفاده کند..)Nourani et al. 2012( 2 Auto Regressive Integrated Moving Average 3 Seasonal Auto Regressive Integrated Moving Average 4 Artificial Neural Networks 5 Gene Expression Programming Multiple Linear Regression 7 Wavelet Neureal Network 1 Adaptive Network-based Fuzzy Inference System (ANFIS)

3 سال ششم شماره بیست و چهارم تابستان در پژوهش حاضر با استفاده از آنالیز چند مقیاسه موجک تغییرات دراز مدت سری زمانی تراز سطح آب دریاچه ارومیه مورد بررسی قرار می گیرد و به منظور ارزیابی این روش نتایج حاصل از آن با دو روش شبکه عصبی )مدل خود همبسته غیرخطی( و سری زمانی آریما )خود همبسته خطی( مقایسه میشود. مواد و روشها تفاضل سری و مدلسازی آن با ARMA (p,q) منجر به پیدایش سری جدیدی از مدلهای آماری موسوم به مدلهای آریمای غیرفصلی ARIMA (p,d,q) گردیده است. مدل ساده آریما برای سری زمانی از برازش مدل ARMA بر روی سری تفاضالت آن بدست میآید. در این حالت مدل آریما به شکل رابطه )1( خواهد بود مدل سری زمانی سریهای زمانی به دو دسته ایستا و غیر ایستا تقسیم میشوند. از آنجا که نظریه احتمال سریهای زمانی بیشتر با سریهای زمانی ایستا سروکار دارد بنابراین الزم است در صورت ناایستا بودن سری ابتدا به یک سری زمانی ایستا تبدیل شود. راه حل مناسب برای ایستا سازی یک سری زمانی که در میانگین ناایستا است تفاضلی کردن آن سری و در مورد سری زمانی که در واریانس ناایستا است استفاده از تبدیالت باکس-کاکس میباشد.)Box and Jenkins, 197( یک سری زمانی شامل مدلهای غیر فصلی همانند خودهمبسته میانگین متحرک خودهمبسته میانگین متحرک آریمای غیرفصلی و فصلی میباشد )کارآموز و عراقی نژاد 1998(. یکی از مشکالتی که در مدلهای خودهمبسته برای مدلسازی سریهای زمانی هیدرولوژیکی وجود دارد تغییرات سری در شرایط خاص است. به عنوان مثال جریان رودخانه در شرایط کم آبی و پرآبی از رفتار خاصی تبعیت میکند که در صورت استفاده از مدلهای خودهمبسته به تنهایی این تغییرات به خوبی مدل نخواهند شد. جهت رهایی از این مشکل بخش دیگری تحت عنوان میانگین متحرک به رابطه ارائهشده برای مدلهای خودهمبسته اضافهشده و مدل ترکیبی تحت عنوان مدل خودهمبسته میانگین متحرک ارائه شده است. در بخشهای قبل ذکر شد که اگر یک سری زمانی دارای میانگین ثابت نبوده اما تفاضل تغییرات این پارامتر ایستا باشد با استفاده از عملگر تفاضل آن سری زمانی ایستا میشود. استفاده از اولین دومین یا امین d که در آن اصلی میباشد. تفاضل و u سری حاصل از تفاضل d P مرتبه جزء خودهمبسته ام سری d q مرتبه مرتبه جزء میانگین متحرک میباشد. در صورت استفاده از عملگر تفاضل فصلی با تأخیر برازش آنها با مدلهای فصلی آریما ARMA (p,q) به و مدلهای وجود میآید. ترکیبی از مدلهای فصلی و غیر فصلی مدلهای 1 موسوم به آریمای مکثر را تشکیل میدهند. جهت مدلسازی سریهای زمانی فصلی غیرفصلی مدل صورت رابطه )( تعریف میگردد. صورت که در آن تفاضل فصلی به اندازه غیر فصلی متغیر تصادفی در کنار سریهای به عملگر تفاضل به D d p امین امین تفاضل مرتبه مدل خودهمبسته غیر فصلی مرتبه مدل میانگین متحرک غیر فصلی خودهمبسته فصلی فصلی q P Q مرتبه مدل مرتبه مدل میانگین متحرک پارامتر مدل خودهمبسته غیر فصلی پارامتر مدل میانگین متحرک غیر فصلی مدل خودهمبسته فصلی پارامتر پارامتر مدل میانگین متحرک فصلی میباشد )کارآموز و عراقینژاد 1998(. 1 Multiplicative ARIMA

4 4 سال ششم شماره بیستو چهارم تابستان 9315 شبکه عصبی مصنوعی شبکههای عصبی مصنوعی برای اولین بار در سال 189 توسط مک کوالک و بیتس معرفی شد. با توسعه رایانه و همچنین ظهور الگوریتم پسانتشار خطا توسط راملهارت و همکاران در سال 189 استفاده از شبکه عصبی وارد مرحله جدیدی گردید )محتشم و همکاران 1998(. شکل )1( ساختار شماتیک شبکه عصبی مصنوعی را نشان میدهد. شکل) 9 (: ساختار شبکه عصبی مصنوعی در هر الیه تعدادی پردازشگر به نام نرون وجود دارد. الیه یا الیههای مخفی اطالعات دریافت شده از الیه ورودی را پردازش کرده و در اختیار الیه خروجی قرار میدهد. تابع انتقال بیان کننده پاسخ هر نرون به سیگنال ورودی آن نرون است. مدل ریاضی مورد استفاده برای بیان مقدار یک خروجی از شبکه عصبی توسط رابطه )9( بیان میشود. که در آن n تعداد کل نرونهای الیه ورودی تعداد کل نرونهای الیه میانی الیه خروجی خروجی m k تعداد کل نرونهای تابع محرک مورد استفاده در الیه تابع محرک مورد استفاده در الیه میانی مقدار وزن اریب نرون jام الیه میانی وزن اریب نرون kام الیه خروجی است که به نرون iام الیه ورودی مقدار مقدار وزنی داده اختصاص میشود تا بر اساس آن نرون jام الیه میانی به دست آید. مقدار وزنی است که به نرون jام الیه میانی اختصاص داده میشود تا بر اساس آن نرون kام الیه خروجی به دست آید )حسنزاده و همکاران 1981(. هر شبکه عصبی با دریافت مثالهایی آموزش میبیند. یادگیری شبکه زمانی انجام میشود که وزنهای ارتباطی بین الیهها چنان تغییر کند که اختالف بین مقادیر و مشاهدهشده پیشبینیشده در حد قابل قبولی باشد. ویژگی عمده شبکه عصبی مصنوعی سرعت باالی پردازش توانایی یادگیری الگو توانایی تعمیم دانش پس از یادگیری و عدم وجود اخالل قابلتوجه در صورت بروز اشکال در بخشی از اتصالها به دلیل توزیع وزنهای شبکه است )غفاری و وفاخواه.)198 تئوری نگاشت موجک مفهوم کلی موجکها به صورت تئوری کنونی توسط مورلت و تیمی در مرکز تحقیقات فیزیک نظری مارسل زیر نظر آلکس گراسمن در فرانسه ارائه شد. روشهای آنالیز موجکی توسط مایر و همکارانش ارائه

5 سال ششم شماره بیست و چهارم تابستان شد که این روشها را گسترش دادند Nourani and (.)Komasi, 2013 موجکها توابع ریاضی هستند که شکل مقیاس-زمان از سریهای زمانی و روابط آنها جهت آنالیز غیرثابتها استفاده از سریهای زمانی که شامل متغیرها و میباشد را ارائه میدهد. تحلیل موجکی فاصلههای زمانی طوالنی مدت را برای اطالعات دارای فرکانس پایین و تناوبه یا برای اطالعات دارای فرکانس باال ارائه میدهد به نمایش شکست و کوتاهتر را و قادر جنبههای مختلف دادههای متفاوت نقاط ناپیوستگیها میباشد. تابع موجک تابعی است که دو ویژگی مهم نوسانی بودن و کوتاه مدت بودن را دارا میباشد. (x) تابع موجک است اگر و فقط اگر تبدیل فوریه آن کند ( ).)Nourani et al., 2009( شرط زیر را ارضا 1 این شرط با عنوان شرط پذیرفتگی برای موجک (x) شناخته میشود. رابطه فوق را میتوان معادل با فرمول زیر دانست: این ویژگی تابع محدودکننده با میانگین صفر چنان نبوده و توابع بسیاری را اساس آن تابع موجک نامید. میتوان بر (x) تابع موجک مادر است که توابع مورد استفاده در تحلیل با دو عمل ریاضی انتقال 9 و مقیاس در طول سیگنال مورد تحلیل تغییر اندازه و تغییر محل مییابند. در نهایت ضرایب موجک در هر نقطه از سیگنال (b) و برای هر مقدار از مقیاس (a) با رابطه )3( قابلمحاسبهاند: انتقال در تبدیل موجکی نشاندهنده موقعیت پنجره است. در این روش نیز یک تابع پنجره در نظر گرفتهشده و در موج مورد نظر ضرب میشود. بر خالف تبدیل قطعهای در تبدیل پیوسته موجکی پهنای تابع پنجره متغیر میباشد بطوریکه برای هر مؤلفه موج میتوان عرض مناسبی را انتخاب نمود. این موضوع مهمترین خصوصیت تبدیل موجکی است. مقیاس به طور ساده به معنای کشیده شدن یا فشرده شدن موجک میباشد. همچنین انتقال موجک به طور ساده به مفهوم به تأخیر انداختن یا جلو انداختن موجک و بیانکننده موقعیت موجک بر روی محور زمان است. توابع موجکها دارای انواع بسیاری هستند که در شکل )( نمودار تابع نمونههایی از آنها نشان دادهشدهاند )نیک منش و طالب بیدختی 1981(. همانطور که قبال بیان شد شبیه سازی و پیش بینی با استفاده از روش سری زمانی به دلیل خاصیت خود همبسته بودن این روش و عدم تشخیص روند موجود در اطالعات مستلزم حذف ناایستایی موجود در دادهها میباشد. همچنین در شبیه سازی و پیش بینی با استفاده از شبکه عصبی دادهها باید به صورت نرمال مورد استفاده قرار بگیرند اما در روش موجک به دلیل اینکه این روش خود قادر به شناسایی و تشخیص روند موجود در دادهها و آنالیز چند مقیاسه میباشد نیازی به رفع ناایستایی و نرمال نمودن دادهها نیست. 1 Admissibility 2 Translation 3 Dilation

6 4 سال ششم شماره بیستو چهارم تابستان 9315 )الف( )ب( )ج( )د( )ه( شکل) 2 (: نمودار )الف( تابع موجک bior )ب( تابع موجک sym2 )ج( تابع موجک coif1 )د( تابع موجک db2 )ه( تابع موجک Haar مدل شبکه عصبی- موجکی ترکیب دو قابلیت شبکه عصبی و تئوری موجک باعث ایجاد مدل ترکیبی با کارایی بهتری در شبیهسازی فرایندهای هیدرولوژیکی میشود. بنابراین اگر پیشپردازشی بر روی دادهها صورت نگیرد شبکه قادر به پیشبینی نخواهد بود.)Cannas et al., 200( به همین دلیل با ترکیب این دو مدل ابتدا دادهها با تبدیل موجکی تجزیه و سپس به عنوان ورودی وارد شبکه عصبی مصنوعی میگردند. شکل )9( ساختار شماتیک شبکه عصبی- موجکی را نشان میدهد. سری زمانی خروجی شبکه عصبی مصنوعی تبديل موجک سری زمانی ورودی شکل) 3 (: ساختار شماتیک شبکه عصبی- موجکی

7 سال ششم شماره بیست و چهارم تابستان 9315 جهت ارزیابی مدلهای مورد استفاده از شاخصهای جذر میانگین مربعات خطا )RMSE( و ضریب 7 در مدل عصبی موجکی جهت انجام محاسبات از شبکه عصبی برای یافتن ضرایب وزن تراز )Wa,W1,, Wi( در ساختار شبکه استفاده می گردد. در این مدل نخست سری تراز به زیرسری هایی با مقیاسهای متفاوت تجزیه میشوند. به عنوان نمونه میتوان سری زمانی را به یک مقیاس بلند مدت و چند مقیاس کوتاه مدت )برای رهگیری خواص گذرا و نوسانات کوتاه مدت سری( تجزیه نمود. در این صورت زیرسری زمانی که تحت عنوان )همانند a(t) )Ha (t) نامگذاری میشوند معرف زیرسری تقریبی )مقیاس بلند مدت( و برای زیر سری زمانی که تحت عنوان di(t) با اندیس i )همانند )Hdi(t) نامگذاری میشوند معرف زیرسری جزیی)مقیاس کوتاه مدت( هستند. پارامتر i نیز مرتبه تجزیه سری تراز )H(t)( می باشد. همبستگی (DC) مورد سریهای زمانی استفاده شد. و همچنین معیار آکائیک (AIC) در مطالعه موردی )دریاچه ارومیه( دریاچه ارومیه در شمال غربی ایران با طول حدود 1 کیلومتر و عرض حداکثر برابر با 59 کیلومتر قرار دارد. عمق دریاچه چندان زیاد نبوده و به طور متوسط 5 تا متر می باشد. عمیقترین نقطه آن در شمال غربی به عمق 1 متر در مواقع کم آبی و 0 متر در مواقع پرآبی قرار دارد. شکل )( نمایی از حوضه آبریز دریاچه ارومیه میباشد. شکل) 0 (: حوضه آبریز دریاچه ارومیه نتایج و بحث برای انجام این تحقیق ابتدا دادههای ماهانه تراز سطح آب دریاچه ارومیه از سازمان مدیریت منابع آب ایران تهیه گردید. پس از آن تراز سطح آب دریاچه به سه روش شبیهسازی و پیشبینی گردید. در روش اول تراز سطح آب دریاچه به کمک مدلهای استوکاستیک و با استفاده از سری زمانی تراز سطح آب پیشبینی شد. در روش دوم با استفاده از شبکه عصبی مصنوعی و در روش سوم با استفاده از روش ترکیبی شبکه عصبی موجکی به شبیهسازی و پیشبینی تراز سطح آب دریاچه ارومیه پرداخته شد.

8 7 سال ششم شماره بیستو چهارم تابستان 9315 در این روابط تراز آب محاسباتی میانگین تراز آب مشاهداتی تراز آب مشاهداتی n تعداد ماههای بررسیشده در بازه زمانی 1955 تا و پارامترهای مدل آریما و انحراف معیار باقیماندههای حاصل از برازش مدل میباشند. برای شبیهسازی و پیشبینی تراز سطح آب به کمک سری زمانی آن سری زمانی دادهها ترسیم و روند آنها مورد بررسی قرار میگیرد. ابتدا ناایستایی دادهها در واریانس با انجام تبدیل باکس کاکس در محیط نرمافزار مینیتب از بین برده شد و سپس ناایستایی در میانگین نیز با یک مرتبه تفاضلگیری از سری حذف شد. پس از حذف روند برای تشخیص بهترین مدل استوکاستیکی باید بر اساس نمودارهای خودهمبستگی و خودهمبستگی جزئی دادهها مدلی را پیشنهاد نمود و با توجه به آزمونهای موجود بهترین گزینه را انتخاب کرد. مشخصات تعدادی از مدلهای برازش دادهشده که دارای کمترین معیار آکائیک هستند در جدول )1( نمایش داده شده است..نوع مدل تعداد پارامتر جدول )9(: نتایج مدلهای سری زمانی ARIMA واسنجی مدل صحت سنجی مدل DC RMSE(m) DC RMSE(m) AIC 0 /90 0 /9 0 /98 0 / /81 ARIMA(2,7,4)(7,7,7) 0 /39 0 /90 0 /81 0 / / 5 ARIMA(2,7,3)(7,7,7) 0 /38 0 /951 0 /85 0 / /18 ARIMA(2,7,2)(7,7,7) 0 /35 0 /995 0 /89 0 / /9 9 ARIMA(2,7,7)(7,7,7) 0 /8 0 /18 0 /89 0 / /08 5 ARIMA(2,7,2)(7,7,7) پس از انتخاب مناسبترین مدل با استفاده از تراز سطح آب از سال 1955 تا سال 1999 پیشبینی تراز آب با استفاده از مدل ARIMA) 1 ()1 1 0( برای ماههای مختلف در طی سالهای 1999 تا 1980 انجام شد. شکل )5( نشاندهنده مقایسه نتایج حاصل از شبیهسازی با سری زمانی و مقادیر واقعی در بخش صحتسنجی میباشد. شکل )5(: مقایسه نتایج حاصل از شبیهسازی با سری زمانی و مقادیر واقعی در بخش صحتسنجی در مرحله بعد جهت شبیهسازی و پیشبینی تراز با استفاده از شبکه عصبی مصنوعی ابتدا دادهها نرمال شدند و 90 درصد دادهها جهت آموزش شبکه و 0 درصد برای شبیهسازی در نظر گرفته شد. سپس با

9 تراز سطح آب دریاچه )متر( سال ششم شماره بیست و چهارم تابستان نرون متغیر و همچنین تعداد مجاز تکرار تا 100 دور در نظر گرفته شد. نتایج حاصل از اجرای برنامه با تعداد الیه های پنهان و تعداد تکرار متفاوت در جدول )( نشان داده شده است. توجه به برنامه نوشتهشده در محیط برنامهنویسی متلب جهت ساخت شبکه عصبی یک شبکه سه الیه با تابع فعالسازی تانژانت سیگموئید در الیه مخفی و الیه خروجی با تعداد نرون الیههای پنهان بین 9 تا جدول) 2 (: نتایج حاصل از اجرای برنامه شبکه عصبی با تعداد نرون الیههای پنهان متفاوت Epoch تعداد نرون الیه پنهان واسنجی مدل صحتسنجی مدل RMSE(m) DC RMSE(m) DC 0/0 0/90 0/0 0/ /093 0/93 0/018 0/ /09 0/80 0/018 0/ /03 0/38 0/03 0/ /01 0/9 0/00 0/ /051 0/35 0/08 0/ نتایج نشان داد که با تعداد متفاوت نرونها در الیه پنهان از 9 تا 10 و 90 دور تکرار حلقه آموزشی بهترین نتیجه برای شبیهسازی تراز با جذر میانگین مربعات خطای 0/09 متر وضریب تبیین 0/80 به دست آمد. شکل )( شبیهسازی تراز دریاچه ارومیه را با استفاده از شبکه عصبی مصنوعی نشان میدهد. زمان )ماه( شکل) (: مقایسه نتایج حاصل از شبیهسازی با شبکه عصبی مصنوعی و مقادیر واقعی در بخش صحتسنجی

10 تراز سطح آب )متر(ر 3 سال ششم شماره بیستو چهارم تابستان 9315 در مرحله آخر تراز سطح آب دریاچه ارومیه با استفاده از مدل ترکیبی شبکه عصبی- موجکی شبیهسازی شد. بدین صورت که ابتدا بر اساس برنامه نوشته شده به زبان متلب موجکهای مادر مختلف برای برنامه تعریف شد. موجکهای sim1 db2 haar rbio1.1 dmey bior1.1 coif1 به عنوان موجکهای مادر به برنامه معرفی شدند. جهت اجرای برنامه ابتدا نوع موجک مادر توسط کاربر انتخاب میشود وسپس حداقل و حداکثر درجه تجزیه سیگنال تراز سطح آب و همچنین حداقل و حداکثر تعداد نرون الیههای پنهان از کاربر درخواست میشود. برنامه برای تجزیه سیگنال تراز آب ماهانه دریاچه با توجه به موجکهای مادر مختلف و تعداد نرونهای متفاوت اجرا شد نتایج در جدول )9( نمایش دادهشده است. نوع موجک مادر Haar Db2 Sym1 Coif1 Bior1.1 Dmey Rbio1.1 جدول) 3 (: تعداد نرون الیه پنهان عملکرد شبکه عصبی موجکی در شبیهسازی تراز آب ماهانه دریاچه ارومیه صحت سنجی مدل واسنجی مدل درجه تجزیه RMSE(m) DC RMSE(m) DC 0/018 0/83 0/010 0/89 0/09 0/9 0/019 0/8 0/09 0/39 0/010 0/89 5 0/00 0/9 0/019 0/8 9 0/09 0/91 0/015 0/85 0/03 0/3 0/01 0/8 5 0/050 0/35 0/019 0/89 داشته است. شکل )3( نشاندهنده شبیهسازی تراز سطح آب دریاچه ارومیه با استفاده از شبکه عصبی- موجکی میباشد. همان طور که در جدول )9( مالحظه میگردد شبیه سازی و پیشبینی با موج Haar با تعداد نرون و درجه تجزیه بهترین عملکرد را با ضریب تبیین 0/83 و جذر میانگین مربعات خطا 0/018 متر در پی. زمان )ماه( شکل )7(: مقایسه نتایج حاصل از شبیهسازی با شبکه عصبی- موجکی و مقادیر واقعی در بخش صحتسنجی

11 نتایج نشان میدهد که پیشبینی تراز سطح آب دریاچه ارومیه با استفاده از روش ترکیبی عصبی- موجکی نتایج بهتری را در مقایسه با روشهای سری زمانی و شبکه عصبی مصنوعی در پی دارد. جدول )( مقایسه آماری روشهای شبیهسازی تراز سطح آب دریاچه ارومیه و شکل )9( نتایج حاصل از هر سه سال ششم شماره بیست و چهارم تابستان 9315 روش را نشان می دهد. مالحظه می شود که در هر سه روش همبستگی بین دادههای مشاهداتی و محاسباتی مناسب است اما با توجه به ساختار غیرخطی و چند مقیاسه بودن شبکه عصبی- موجکی این مدل بهتر توانسته است نقاط اوج را شبیهسازی نماید و دارای دقت بیشتری است. DC 0/8 0/80 0/83 روش شبیهسازی آریما شبکه عصبی مصنوعی شبکه عصبی- موجکی جدول )0(: مقایسه آماری روشهای شبیهسازی تراز آب دریاچه ارومیه RMSE(m) 0/03 واسنجی مدل DC 0/89 صحتسنجی مدل RMSE(m) 0/18 0/09 0/018 0/83 0/89 0/018 0/010 تراز سطح آب )متر(ذ زمان )ماه(ذ شکل )8(: ارزیابی توانایی روشهای مختلف مدلسازی تراز آب دریاچه ارومیه نتیجهگیری و جمعبندی در پژوهش حاضر شبیهسازی و پیشبینی تراز سطح آب دریاچه ارومیه به سه روش: سری زمانی شبکه عصبی مصنوعی و شبکه عصبی موجکی انجام شد. در روش سری زمانی مدلهای متعددی بر دادههای موجود برازش توجه به معیار آکائیک مدل داده شد که از بین آنها با ARIMA )2 7 2( )7 7 7( جهت پیشبینی انتخاب شد نتایج حاصل از این روش توسط دو معیار ضریب تبیین و جذر میانگین مربعات خطا که به ترتیب برابر 0/8 و 0/18 متر میباشند مورد ارزیابی قرار گرفت. سپس شبیهسازی و پیشبینی با استفاده از روش شبکه عصبی مصنوعی انجام شد که در آن ضریب تبیین و جذر میانگین مربعات خطا به ترتیب برابر 0/80 و 0/09 متر میباشد و در مرحله آخر شبیهسازی و پیشبینی با استفاده از روش عصبی موجکی با ضریب تبیین 0/83

12 سال ششم شماره بیستو چهارم تابستان 9315 و جذر میانگین مربعات خطا 0/018 متر انجام شد. با توجه به ویژگی خودهمبسته و خطی بودن روشهای استوکستیکی مانند روش سریهای زمانی این روش قادر به تشخیص روند دادهها و گاها نقاط بیشینه سری زمانی نمیباشد. همچنین با توجه به منعطف بودن شبکههای عصبی گاهی این روش نیز در پیشبینی سریهای زمانی به شدت ناایستا با مشکل مواجه میشوند. در این تحقیق نیز نتایج نشاندهنده عملکرد بهتر شبکه عصبی- موجکی با توجه به پیشپردازش صورت گرفته بر روی دادهها در مقایسه با دو روش سری زمانی و شبکه عصبی مصنوعی میباشد نتایج قدم پور و شقاقیان )1980( و همچنین ملکی نژاد و پورشرعیانی )198( در پیش بینی تراز آب زیرزمینی نیز تایید کننده دقت بیشتر روشهای هوشمند در مقابل روشهای کالسیک سری زمانی میباشد. در نهایت پژوهش حاضر هیچ یک از روشهای فوق را برای تولید و پیشبینی داده رد نمیکند. منابع حسنزاده ی. ا. عبدی کردانی و ا. فاخری فرد پیشبینی خشکسالی با استفاده از الگوریتم ژنتیک و مدل ترکیبی شبکه عصبی- موجکی. فصلنامه علمی- پژوهشی آب و فاضالب شماره 99 ص رسولی ع. ا و ش. عباسیان تحلیل مقدماتی سریهای زمانی تراز سطح آب دریاچه ارومیه. نشریه جغرافیا و برنامه ریزی سال 1 شماره 9 ص غفاری غ و م. وفاخواه شبیهسازی فرایند بارش- رواناب با استفاده از شبکه عصبی مصنوعی و سیستم فازی- عصبی تطبیقی )مطالعه موردی: حوزه آبخیز حاجی قوشان(. پژوهشنامه مدیریت حوزه آبخیز شماره 9 ص قدم پور ز و م. شقاقیان مقایسه مدلهای کالسیک سری زمانی و هوش مصنوعی در تعیین سطح تراز آب زیرزمینی. ششمین کنگره ملی مهندسی عمران. سمنان دانشگاه سمنان. کارآموز م و ش. عراقی نژاد هیدرولوژی پیشرفته. چاپ دوم. انتشارات دانشگاه صنعتی امیرکبیر. محتشم م. ا. دهقانی ا. اکبرپور م. مفتاح هلقی و ب. اعتباری پیشبینی سطح ایستابی با استفاده از شبکه عصبی مصنوعی )مطالعه موردی: دشت بیرجند(. مجله آبیاری و زهکشی ایران شماره 1 ص.1-10 ملکی نژاد ح و ر. پورشرعیانی کاربرد و مقایسه مدل سری زمانی تجمعی و مدل شبکه عصبی مصنوعی در پیش بینی تغییرات سطح آب زیرزمینی )مطالعه موردی: دشت مروست(. مجله علوم و مهندسی آبیاری دوره 9 شماره 9 ص.91-8 نخعی م و ا. صابری نصر پیشبینی نوسانات سطح آب زیرزمینی دشت قره با استفاده از شبکه عصبی موجکی و مقایسه آن با مدل عددی.MODFLOW مجله زمینشناسی کاربردی پیشرفته. شماره ص.3-59 نوری م. و م. ب. رهنما مدل بارندگی- رواناب با استفاده از تئوری موجک و شبکههای عصبی مصنوعی )مطالعه موردی هلیل رود(. هفتمین کنگره بینالمللی مهندسی عمران. تهران دانشگاه تربیت مدرس دانشکده عمران. نیک منش م. ر. و ن. طالب بیدختی مقایسه توانایی تئوری موجک و سریهای زمانی در مدلسازی بارندگی ماهانه مناطق سعادت شهر و ارسنجان در استان فارس. فصلنامه جغرافیای طبیعی سال پنجم شماره 1 ص Box G. E. P. and G. M. Jenkins Time Series Analysis: Forecasting and Control. Holden Day Press. San Francisco.

13 سال ششم شماره بیست و چهارم تابستان Cannas, B., A. Fanni, L. See and G. Sias Data preprocessing for river flow forecasting using neural networks:wavelet transforms and partitioning. Physics and Chemistry of the Earth, Vol: 31 (18): Ghil, M., M. R. Allen, M. D. Dettinger, K. Ide, D. Kondrashov, M. E. Mann, A. W. Robertson, A. Saunders, Y. Tian, F. Varadi and P. Yiou Advanced Spectral Methods For Climatic Time Series. Reviews of Geophysics, 1-1:1-41. Güldal, V. and H. Tongal Comparison of Recurrent Neural Network, Adaptive Neuro-Fuzzy Inference System and Stochastic Models in Eğirdir Lake Level Forecasting. Water Resources Management 24(1): Khatibi, R., M. A. Ghorbani, L. Naghipour, V. Jothiprakash, T. A. Fathima, M. H. Fazelifard Inter-comparison of time series models of lake levels predicted by several modeling strategies. Journal of Hydrology Nourani, V., M. Komasi and A. Mano A multivariate ANN-wavelet approach for rainfall runoff modeling. Water Resource Management. 23(14): Nourani, V., M. Komasi, M. T. Alami Hybrid Wavelet Genetic Programming Approach to Optimize ANN Modeling of Rainfall Runoff Process. Journal of Hydrologic Engineering. 17(): Nourani, V. and M. Komasi A geomorphology-based ANFIS model for multistation modeling of rainfall runoff process. Journal of Hydrology,

14 سال ششم شماره بیستو چهارم تابستان 9315 Forecasting of water level in Urmia Lake using Time series, Artificial Neural Network and Neural Network-Wavelet. Mehdi Komasi 1, Hamed Nozari 2, Neda Gheshlaghi 3 Abstract Urmia Lake in Iran is the second largest saline lake in the world. Due to various socio-economical and ecological criteria, Urmia Lake has important role in the Northwestern part of the country but it has faced many problems in recent years. Because of droughts, overuse of surface water resources and dam constructions water level is reduced. One of the important factors that has influence in correct management, is having a suitable point of view for future events in that field. So simulation and forecasting of hydrological variables has many importance. In this research, time series, Artificial Neural Network and Neural Network-Wavelet methods for presentation the best method in monthly scale for simulation and forecasting Urmia Lake water level is compared. Comparing these three methods indicates that forecasting with Neural Network-Wavelet due to considering monthly, seasonal and annual changes in the time series analysis, has the best Performance. Keywords: Artificial Neural Network, Neural Network-Wavelet, time series, Urmia Lake water level. 1 Assistant Professor Faculty of Civil Engineering. University of Ayatollah Boruojerdi. 2 Assistant Professor Faculty of water Engineering. University of Bu-Ali Sina. 3 MSc Student, Faculty of water Engineering. University of Bu-Ali Sina.

2/25/2015 معادله جبري هر معادله ریاضی به شکل y=f(x) را جبري گویند اگر بتوان آن را به شکل زیر نشان داد: ریشه Advanced Numerical Methods 37 روش نصف کردن

2/25/2015 معادله جبري هر معادله ریاضی به شکل y=f(x) را جبري گویند اگر بتوان آن را به شکل زیر نشان داد: ریشه Advanced Numerical Methods 37 روش نصف کردن معادله جبري هر معادله ریاضی به شکل y=f() را جبري گویند اگر بتوان آن را به شکل زیر نشان داد: ریشه Advanced Numercal Methods 37 روش نصف کردن (Bsecton) دو نقطه (کران) در دو سوي ریشه در نظر گرفته میشود به

توضیحات بیشتر

شبکه های عصبی در کنترل

شبکه های عصبی در کنترل شبکه های عصبی در کنترل دانشگاه نجف آباد درس: کنترل هوشمند در فضای سایبرنتیک مدرس: حمید محمودیان مدل ریاضی نرون مدل ریاضی یک نرون ساده به صورت روبرو است P: مقدار کمیت ورودی b: مقدار بایاس )عرض از مبدا تابع

توضیحات بیشتر

خودهمبستگی

خودهمبستگی Autocorrelation دانشجو مربوطه: خانم تجری عدم خودهمبستگی بین جمالت خطا یکی از فروض اساسی برای روش OLS است. همبستگی خطاها با یکدیگر را اصطالحا»خودهمبستگی«می گویند. E(UiUj) 0 i j به طور کلی خودهمبستگی بیانگر

توضیحات بیشتر

تئوري تخمين و فيلترهاي بهينه

تئوري تخمين و فيلترهاي بهينه باسمه تعالی روش های شناسایی در سیستم های سازه ای Lecture 5 Fundamentals of Signal Processing مقدمه مقدمه در مساله پردازش سیگنال ) ( sn از مقدار اندازه گیری g s n v n nt ترم نویزی ) ( vn معموال به صورت

توضیحات بیشتر

chapter2-Neuron model.ppt [Compatibility Mode]

chapter2-Neuron model.ppt [Compatibility Mode] بسم االله الرحمن الرحيم شبكه هاي عصبي مصنوعي Artificial Neural Networks (ANN) دکتر زارعی دانشگاه صنعتی شیراز دانشکده مهندسی برق و الکترونیک گروه کنترل II 90-91 ترم فصل دوم: مدل نرون و معماري شبکه فهرست

توضیحات بیشتر

برآورد رسوبات معلق با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز جامیشان استان کرمانشاه)

برآورد رسوبات معلق با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز جامیشان استان کرمانشاه) پژوهشنامه مدیریت حوزه آبخیز سال سوم/ شماره 6/ پاي یز و زمستان... 1391 61 دانشگاه علوم کشاورزي و منابع طبیعی ساري پژوهشنامه مدیریت حوزه آبخیز برآورد رسوبات معلق با استفاده از شبکه عصبی مصنوعی چکیده م. خ

توضیحات بیشتر

دانشگاه گیلان-گروه مهندسی برق- مساي ل مخابرات دیجیتال

دانشگاه گیلان-گروه مهندسی برق- مساي ل مخابرات دیجیتال دانشگاه گیلان-گروه مهندسی برق- مساي ل مخابرات دیجیتال ---------------------------------------------------------------------------------------------------- سري 2 (فصل 3): منابع اطلاعات و کدبندي منبع 1-2

توضیحات بیشتر

دانشکده ی علوم ریاضی ساختمان داده ۲۶ شهر یور ۹۲ جلسه ی ۲: مرتب سازی درجی مدر س: دکتر شهرام خزاي ی نگارنده: حسن بندبنی و مصطفی کر یمی ۱ مسا له مرتب ساز

دانشکده ی علوم ریاضی ساختمان داده ۲۶ شهر یور ۹۲ جلسه ی ۲: مرتب سازی درجی مدر س: دکتر شهرام خزاي ی نگارنده: حسن بندبنی و مصطفی کر یمی ۱ مسا له مرتب ساز دانشکده ی علوم ریاضی ساختمان داده ۶ شهر یور ۹ جلسه ی : مرتب سازی درجی مدر س: دکتر شهرام خزاي ی نگارنده: حسن بندبنی و مصطفی کر یمی ۱ مسا له مرتب سازی همان طور که در جلسه قبل مطرح شد مسا له ی مرتب سازی ا

توضیحات بیشتر

ص( DOI: /ijswr ( تحقیقات آب و خاك ایران دوره 50 شماره 6 آبان 1398 Drought Prediction Using GEP-GARCH Hybrid Model

ص( DOI: /ijswr ( تحقیقات آب و خاك ایران دوره 50 شماره 6 آبان 1398 Drought Prediction Using GEP-GARCH Hybrid Model ص( DOI:.59/ijswr.9.7596.66869 (7-9 تحقیقات آب و خاك ایران دوره 5 شماره 6 آبان 98 Drought Prediction Using GEP-GARCH Hybrid Model (Case Study: Salmas Synoptic Station) ABBAS ABBASI, KEIVAN KHALILI *, JAVAD

توضیحات بیشتر

Microsoft PowerPoint - Fourier1

Microsoft PowerPoint - Fourier1 ریاضیات مهندسی دکتر علی کریم پور عضو هیات علمی گروه برق دانشکده مهندسی دانشگاه فردوسی مشهد بخش اول سري و انتگرال فوریه 1 مراجع Advanced engineering mathematics, Erwin kreyszig, 2006 ریاضیات مهندسی پیشرفته

توضیحات بیشتر

بسمه تعالی دانشگاه علوم پزشکی و خدمات بهداشتی درمانی استان بوشهر مرکز توسعه آموزش پزشکی دفتر نظارت و ارزشیابی فرم طرح درس نام و نام خانوادگی مدرس: رتب

بسمه تعالی دانشگاه علوم پزشکی و خدمات بهداشتی درمانی استان بوشهر مرکز توسعه آموزش پزشکی دفتر نظارت و ارزشیابی فرم طرح درس نام و نام خانوادگی مدرس: رتب بسمه تعالی دانشگاه علوم پزشکی و خدمات بهداشتی درمانی استان بوشهر مرکز توسعه آموزش پزشکی دفتر نظارت و ارزشیابی فرم طرح درس نام و نام خانوادگی مدرس: رتبه دانشگاهی: دانشيار رحيم طهماسبی آخرین مدرک تحصيلی:

توضیحات بیشتر

دانشکده مهندسی عمران پایان نامه کارشناسی ارشد پیش بینی بلندمدت بارش فصلی و جریان رودخانه به کمک متغیرهای اقلیمی جوی )مطالعه موردی: سد بوکان( اقیانوسی

دانشکده مهندسی عمران پایان نامه کارشناسی ارشد پیش بینی بلندمدت بارش فصلی و جریان رودخانه به کمک متغیرهای اقلیمی جوی )مطالعه موردی: سد بوکان( اقیانوسی دانشکده مهندسی عمران پایان نامه کارشناسی ارشد پیش بینی بلندمدت بارش فصلی و جریان رودخانه به کمک متغیرهای اقلیمی جوی )مطالعه موردی: سد بوکان( اقیانوسی نگارش راضیه ترقی دلگرم استاد راهنما دکترمسعود تجریشی

توضیحات بیشتر

دینامیک سازه ها، پاسخ سازه در برابر زلزله

دینامیک سازه ها، پاسخ سازه در برابر زلزله در این مقاله روش های تعیین پاسخ سازه تک درجه ا زادی که در معرض نیروی زلزله ناشی از جنبش زمین قرار گرفته باشد برررسی می شود. پاسخ به جنبش زمین ناشی از زلزله در مقالات قبل پاسخ سازه در اثر نیروهای ذاتی موجود

توضیحات بیشتر

مجله سالمت و محيط فصلنامه ي علمي پژوهشي انجمن علمي بهداشت محيط ايران دوره ششم, شماره سوم, پاييز 1392, صفحات 277 تا 294 تخمين برخي پارامترهاي کيفي رودخ

مجله سالمت و محيط فصلنامه ي علمي پژوهشي انجمن علمي بهداشت محيط ايران دوره ششم, شماره سوم, پاييز 1392, صفحات 277 تا 294 تخمين برخي پارامترهاي کيفي رودخ مجله سالمت و محيط فصلنامه ي علمي پژوهشي انجمن علمي بهداشت محيط ايران دوره ششم, شماره سوم, پاييز 1392, صفحات 277 تا 294 تخمين برخي پارامترهاي کيفي رودخانه ها با استفاده از مدل هيبريد شبکه هاي عصبي- موجکي

توضیحات بیشتر

دانشکده ی علوم ریاضی احتمال و کاربردا ن ۳۰ اردیبهشت ۹۳ جلسه ی ۲۳: متغیر تصادفی مخلوط مجموع متغیرهای تصادفی تابع مولد گشتاور مدر س: دکتر شهرام خزاي ی ن

دانشکده ی علوم ریاضی احتمال و کاربردا ن ۳۰ اردیبهشت ۹۳ جلسه ی ۲۳: متغیر تصادفی مخلوط مجموع متغیرهای تصادفی تابع مولد گشتاور مدر س: دکتر شهرام خزاي ی ن دانشکده ی علوم ریاضی احتمال و کاربردا ن ۰ اردیبهشت ۹ جلسه ی ۲: متغیر تصادفی مخلوط مجموع متغیرهای تصادفی تابع مولد گشتاور مدر س: دکتر شهرام خزاي ی نگارنده: مهرداد تحویلیان- فرنوش فرهادی در این جلسه ابتدا

توضیحات بیشتر

90-04.xls

90-04.xls اداره كل هواشناسي استان تهران ماهنامه هواشناسي تير 19 www.tehranmet.ir e-mail: tehran@irimet.net www.irimo.ir تارنماي الكترونيكي اداره كل هواشناسي استان تهران نشاني پست الكترونيكي اداره كل هواشناسي استان

توضیحات بیشتر

بسمه تعالی دانشگاه علوم پزشکی و خدمات بهداشتی درمانی استان بوشهر مرکز توسعه آموزش پزشکی دفتر نظارت و ارزشیابی فرم طرح درس نام و نام خانوادگی مدرس: رتب

بسمه تعالی دانشگاه علوم پزشکی و خدمات بهداشتی درمانی استان بوشهر مرکز توسعه آموزش پزشکی دفتر نظارت و ارزشیابی فرم طرح درس نام و نام خانوادگی مدرس: رتب بسمه تعالی دانشگاه علوم پزشکی و خدمات بهداشتی درمانی استان بوشهر مرکز توسعه آموزش پزشکی دفتر نظارت و ارزشیابی فرم طرح درس نام و نام خانوادگی مدرس: رتبه دانشگاهی: دانشيار رحيم طهماسبی آخرین مدرک تحصيلی:

توضیحات بیشتر

lec2.pptx

lec2.pptx با روشهاي تخمین بار آشنایی محمدي ایواتلو دانشگاه تبریز بهنام Behnam Mohammadi-ivatloo3/5/2014 برآورد بار روشهاي مبتنی بر برازش منحنی روشهاي روش مصرف نهایی روش زمین مصرفی (کاربري ارضی) نوین مانند شبکه هاي

توضیحات بیشتر

پاورپوینت راهنماي انتخاب آزمون مناسب آماري لطفا به صفحه بعدي بروید. توجه: هدف اصلی این اراي ه کمک به مطالعاتی است که به بررسی یک متغیر محققان و دانشجو

پاورپوینت راهنماي انتخاب آزمون مناسب آماري لطفا به صفحه بعدي بروید. توجه: هدف اصلی این اراي ه کمک به مطالعاتی است که به بررسی یک متغیر محققان و دانشجو پاورپوینت راهنماي انتخاب آزمون مناسب آماري لطفا به صفحه بعدي بروید. توجه: هدف اصلی این اراي ه کمک به مطالعاتی است که به بررسی یک متغیر محققان و دانشجویان در انتخاب آزمون آماري مناسب در ) کت نیز در آن گنجانده

توضیحات بیشتر

Microsoft Word - ?????? ???????? ?? ????? ? ????? ???? ??? ??????? ???????? ?????? ????? ??????-?????? ??? 97-96

Microsoft Word - ?????? ???????? ?? ????? ? ????? ???? ??? ??????? ???????? ?????? ????? ??????-?????? ??? 97-96 بسمه تعالي دانشگاه علوم پزشكي و خدمات بهداشتي درماني استان بوشهر مركز توسعه آموزش پزشكي دفتر نظارت و ارزشيابي فرم طرح درس نام و نام خانوادگي مدرس: رتبه دانشگاهي: دانشيار رحيم طهماسبي آخرين مدرك تحصيلي:

توضیحات بیشتر

ÇÕæá ÑÓã äãæÏÇÑ ŸäÊÑá ŸíÝí ÏÇÎáí ÈÑÇí ÊÓÊ åÇí Ÿãí.doc

ÇÕæá ÑÓã äãæÏÇÑ ŸäÊÑá ŸíÝí ÏÇÎáí ÈÑÇí ÊÓÊ åÇí Ÿãí.doc کليات نمودار کنترلي رايجترين روش براي مقايسه نتايج ا زمايش نمونه هاي کنترل با مقدار مورد انتظار استفاده از نمودار کنترلي است. درنمودار کنترلي غلظت حاصله از ا زمايش سرم کنترل روي نموداري بامحدوده مشخص علامتگذاري

توضیحات بیشتر

وزارت راه و شهرسازی سازمان هواشناسی كل كشور اداره كل هواشناسی استان اردبيل گزارش وضعیت دما و بارش استان اردبیل در سال 79 تحلیل بارش نیمه اول سال زراعی

وزارت راه و شهرسازی سازمان هواشناسی كل كشور اداره كل هواشناسی استان اردبيل گزارش وضعیت دما و بارش استان اردبیل در سال 79 تحلیل بارش نیمه اول سال زراعی وزارت راه و شهرسازی سازمان هواشناسی كل كشور اداره كل هواشناسی استان اردبيل گزارش وضعیت دما و بارش استان اردبیل در سال 79 تحلیل بارش نیمه اول سال زراعی 79-79 پیش بینی فصلی بهار 79 اردبيل: كيلومتر اول جاده

توضیحات بیشتر

دوره بازگشت سرمایه از هزینه هاي سرمایه گذاري در طول دوران احداث جهت خرید نصب و راه اندازي تجهیزات و ماشین آلات مورد نیاز طرح استفاده می گردد تا اینکه

دوره بازگشت سرمایه از هزینه هاي سرمایه گذاري در طول دوران احداث جهت خرید نصب و راه اندازي تجهیزات و ماشین آلات مورد نیاز طرح استفاده می گردد تا اینکه دوره بازگشت سرمایه از هزینه هاي سرمایه گذاري در طول دوران احداث جهت خرید نصب و راه اندازي تجهیزات و ماشین آلات مورد نیاز طرح استفاده می گردد تا اینکه طرح جهت بهره برداري و تولید محصول و یا عرضه خدمات پیش

توضیحات بیشتر

آمار توصیفی در SPSS

آمار توصیفی در SPSS به نام آنکه جان را فکرت آموخت 1 مرکز آموزش عالی علوم پزشکی وارستگان آمار و روش تحقیق جلسه ششم آمار توصیفی Descriptive Statistics with SPSS نیمسال دوم 94-93 مصطفی جهانگیر www.mjahangir.ir mjahangir@varastegan.ac.ir

توضیحات بیشتر

سمینار عنوان پروتکلهای مسیریابی پایدار در شبکههای موردی سیار نگارنده 1

سمینار عنوان پروتکلهای مسیریابی پایدار در شبکههای موردی سیار نگارنده 1 0 سمینار عنوان پروتکلهای مسیریابی پایدار در شبکههای موردی سیار نگارنده 1 عنوان فهرست مطالب صفحه چکیده...... 1 فصل اول: مقدمه -1-1 مقدمه 3... فصل دوم: بستر تحقیق -1-2 مقدمه 5... 2-2- شبکههای موردی بیسیم...

توضیحات بیشتر

خلاصه

خلاصه Kavosh University From the SelectedWorks of Abbas Madraky 2016 خلاصه روش های داده کاوی Abbas Madraky Available at: https://works.bepress.com/madraky/12/ Data Mining: داده کاوي: به طور خلاصه یافتن اطلاعات

توضیحات بیشتر

باسمه تعالی تمرین سری دهم مدارهای آنالوگ ترم بهار 7931 موعد تحویل : شنبه ۵ خرداد _ در مدار زیر که محاسبات مربوط به آن در مسئله 1 تمرین قبلی صورت

باسمه تعالی تمرین سری دهم مدارهای آنالوگ ترم بهار 7931 موعد تحویل : شنبه ۵ خرداد _ در مدار زیر که محاسبات مربوط به آن در مسئله 1 تمرین قبلی صورت باسمه تعالی تمرین سری دهم مدارهای آنالوگ ترم بهار 7931 موعد تحویل : شنبه ۵ خرداد 7931 1_ در مدار زیر که محاسبات مربوط به آن در مسئله 1 تمرین قبلی صورت گرفت ضمن در نظر گرفتن کلیه مقادیر و شرایطی که در آن

توضیحات بیشتر

Microsoft Word - majale99.docx

Microsoft Word - majale99.docx ١۴ پژوهشهاي دانش زمین سال سوم شماره 9 بهار 9 صفحات - تعیین مناطق مولد سیل و اولویت بندي سیل خیزي زیر ها (مطالعه موردي: آبخیز جاماش استان هرمزگان ( احمد * نوحه گر نسیم قشقایی زاده ارشک حلی ساز -استاد دانشکده

توضیحات بیشتر

4/7/2015 برازش چند جملهاي: روش حداقل مربعات مقدار خطا یا باقی مانده مقدار واقعی مقدار تقریبی Advanced Numerical Methods 106 برازش چند جملهاي سه معادله

4/7/2015 برازش چند جملهاي: روش حداقل مربعات مقدار خطا یا باقی مانده مقدار واقعی مقدار تقریبی Advanced Numerical Methods 106 برازش چند جملهاي سه معادله برازش چند جملهاي: روش حداقل مربعات مقدار خطا یا باقی مانده مقدار واقعی مقدار تقریبی Advaced Numercal Methods 6 برازش چند جملهاي سه معادله و سه مجهول به این ترتیب مقادیر ضرایب چندجملهاي محاسبه میشود. این

توضیحات بیشتر

فصلنامه علمی پژوهشی زمین شناسی محیط زیست / سال دهم شماره 41 زمستان 69 بررسی تاثیرات خشکسالی بر کمیت و کیفیت آبهای زیر زمینی دشت زرقان فارس طی سالهای 1

فصلنامه علمی پژوهشی زمین شناسی محیط زیست / سال دهم شماره 41 زمستان 69 بررسی تاثیرات خشکسالی بر کمیت و کیفیت آبهای زیر زمینی دشت زرقان فارس طی سالهای 1 فصلنامه علمی پژوهشی زمین شناسی محیط زیست / سال دهم شماره 4 زمستان 69 بررسی تاثیرات خشکسالی بر کمیت و کیفیت آبهای زیر زمینی دشت زرقان فارس طی سالهای 96 تا 96 فاطمه تمدن هانیه نوذری 2* - دانش آموخته کارشناسی

توضیحات بیشتر

دکتر نیک انجام مبانی برنامه سازی - پاییز ٩۶ دکتر نصیحت کن نام: شماره دانشجویی آذر ٩۶ قسمت اول - سوالات کتبی سوال ١- (٧ نمره) فلوچارت روبرو چه کاری انج

دکتر نیک انجام مبانی برنامه سازی - پاییز ٩۶ دکتر نصیحت کن نام: شماره دانشجویی آذر ٩۶ قسمت اول - سوالات کتبی سوال ١- (٧ نمره) فلوچارت روبرو چه کاری انج دکتر نیک انجام مبانی برنامه سازی - پاییز ٩۶ دکتر نصیحت کن نام: شماره دانشجویی آذر ٩۶ قسمت اول - سوالات کتبی سوال ١- (٧ نمره) فلوچارت روبرو چه کاری انجام می دهد (با مثال توضیح دهید) 2-2 2 + 3 2 - + (-)

توضیحات بیشتر

قابلیت اطمینان سیستم های قدرت

قابلیت اطمینان سیستم های قدرت قابلیت اطمینان سیستم های قدرت مراجع: [1] R. Billintn & R. Allen, Reliability Evaluatin f Engineering Systems: Cncepts and Techniques, 2 nd Editin. [2] R. Billintn & R. Allen, Reliability Evaluatin f Pwer

توضیحات بیشتر

تخصصی بسم الله الرحمن الرحیم آموزشگاه تحلیل داده ترین مرکز برنامه نویسی و دیتابیس در ایران Activity diagram مدرس : مهندس افشین رفوآ دوره آموزش UML نمو

تخصصی بسم الله الرحمن الرحیم آموزشگاه تحلیل داده ترین مرکز برنامه نویسی و دیتابیس در ایران Activity diagram مدرس : مهندس افشین رفوآ دوره آموزش UML نمو تخصصی بسم الله الرحمن الرحیم آموزشگاه تحلیل داده ترین مرکز برنامه نویسی و دیتابیس در ایران Activity diagram مدرس : مهندس افشین رفوآ دوره آموزش UML نمودار فعالیت diagram( )Activity نمودار activity بدست

توضیحات بیشتر

Microsoft Word - Forex-Persian-tradingstrategies doc

Microsoft Word - Forex-Persian-tradingstrategies doc استراتژيهاي معامله به نام خدا براي انجام معاملات در فاركس بدلخواه از استراتژيهاي گوناگوني ميتوان استفاده كرد. هدف از اين مقاله و طبقهبندي اراي ه شده معرفي و تا كيد بر تفاوتهاي ميان اين استراتژيها ميباشد.

توضیحات بیشتر

فصل دوم - فرایند

فصل دوم - فرایند فصل پنجم درک نیازمندیها 2 مهندسی نیازمندیها تکنیک ها و وظایف گسترده ای که منجر به درک نیازمندیها می شود مهندسی نیازمندیها نامیده می شود. از منظر فرایند نرم افزار:... مکانیزمی را مهیا می کند که نیازهای

توضیحات بیشتر

درس برنامه نویسی )شیمی( بهار ٩٧ تدریس توسط : حسین جوهری درس پنجم دانشگاه صنعتی خواجه نصیرالدین طوسی دانشکده ریاضی ادامه بحث در مورد اعداد کار با ورودی

درس برنامه نویسی )شیمی( بهار ٩٧ تدریس توسط : حسین جوهری درس پنجم دانشگاه صنعتی خواجه نصیرالدین طوسی دانشکده ریاضی ادامه بحث در مورد اعداد کار با ورودی درس برنامه نویسی )شیمی( بهار ٩٧ تدریس توسط : حسین جوهری درس پنجم دانشگاه صنعتی خواجه نصیرالدین طوسی دانشکده ریاضی ادامه بحث در مورد اعداد کار با ورودی خروجی عبارات منطقی برای مطالعه بیشتر فصل ٣ و ٤ و ١٠

توضیحات بیشتر

cosx tan x( 2sin sin x) 4 sin x )3 باشد حاصل کدام است )4 cos x )2 x اگر sin x ) tan x( 2sin sin x) = (

cosx tan x( 2sin sin x) 4 sin x )3 باشد حاصل کدام است )4 cos x )2 x اگر sin x ) tan x( 2sin sin x) = ( cos tan ( sin sin ) sin ) باشد حاصل کدام است ) cos ) 6- اگر sin ) tan ( sin sin ) = ( sin ) cos cos پاسخ: از طرفی پس چون در ربع سوم مقداری منفی دارد خواهیم داشت: cos = cos cos ( sin ) = ( sin ) = = cos

توضیحات بیشتر

Journal of Water and Soil Vol. 30, No. 1, Mar.-Apr. 2016, p نشریه آب و خاك (علوم و صنایع کشاورزي) جلد 30 شماره 1 فروردین اردیبهشت 1395

Journal of Water and Soil Vol. 30, No. 1, Mar.-Apr. 2016, p نشریه آب و خاك (علوم و صنایع کشاورزي) جلد 30 شماره 1 فروردین اردیبهشت 1395 Journal of Water and Soil Vol. 30, No. 1, Mar.-Apr. 016, p. 99-111 99-111. نشریه آب و خاك (علوم و صنایع کشاورزي) جلد 30 شماره 1 فروردین اردیبهشت 1395 ص پیشبینی تبخیر-تعرق مرجع ماهانه با استفاده از مدل

توضیحات بیشتر

. موسوی ندوشنی دانشگاه شهید بهشتی ١٠ شهریور ١٣٩٢

. موسوی ندوشنی دانشگاه شهید بهشتی ١٠ شهریور ١٣٩٢ موسوی ندوشنی دانشگاه شهید بهشتی sa_mousavi@sbuacir ١٠ شهریور ١٣٩٢ برای برآورد دبی اوج روشهای متفاوتی ارایه شده است که به شرح زیر است روابط تجربی: بهعنوان مثال میتوان به رابطه منطقی و یا استدلالی ١ اشاره

توضیحات بیشتر

چكيده

چكيده بررسي ا ستانه شروع رواناب در روش SCS با استفاده از داده هاي بارش-رواناب (مطالعه موردي: حوزه ا بخيز سنگانه كلات) جهانگير پرهمت 1 علي اكبر عباسي نجفقلي غياثي 1 و الهام خوشبزم 3-1 -3 اعضاء هيا ت علمي مركز

توضیحات بیشتر

تئوري تخمين و فيلترهاي بهينه Lecture 2

تئوري تخمين و فيلترهاي بهينه   Lecture 2 با سم ه تعا ل ی تئوري تخمين و فيلترهاي بهينه Lecture 4 فيلتر وينر مقدمه فيلتر وينر يک فيلتر LTI است که در کنترل و پردازش سيگنال داراي کاربرد فراوان است. اين فيلتر يک تخمين LMMSE از سيگنال ارائه مي کند.

توضیحات بیشتر

تئوري تخمين و فيلترهاي بهينه

تئوري تخمين و فيلترهاي بهينه باسمه تعالی روش های شناسایی در سیستم های سازه ای Lecture 6 Least Square Rules مقدمه Give a set of observatios, which model parameters gives a model which approximates those up to the smallest sum of squared

توضیحات بیشتر

Microsoft Word - ok

Microsoft Word - ok جلسه پنجم خواص جزء صحيح معادلات و نامعادلات براكتي رسم نمودار روابط براكتي بزرگترين عدد صحيحي كه از x بزرگتر نباشد را جزء صحيح ) براكت ( x ميگوي يم و با نماد نمايش ميدهيم در واقع : به طور كلي هر عددي روي

توضیحات بیشتر

<4D F736F F D20DFC7D1C8D1CF20D4C8DFE520DAD5C8ED20CFD120D5E4DACA20E4DDCA20E62090C7D2>

<4D F736F F D20DFC7D1C8D1CF20D4C8DFE520DAD5C8ED20CFD120D5E4DACA20E4DDCA20E62090C7D2> كاربرد شبكه عصبي در صنعت نفت و گاز مهدي عسكري - كورش درودگر مديريت برنامه ريزي تلفيقي شركت ملي نفت ايران مقدمه استفاده از شبكه هاي عصبي كه علمي جديد و نوپا محسوب مي شود با داشتن قابليتهاي خاص و مهم جايگاه

توضیحات بیشتر

Slide 1

Slide 1 روش حذف گوسی Elimination) (Gauss یکی از مهمترین الگوریتمهایی دو مرحله تشکیل شده است: استفاده امروزه که است از روش این در کار روند می ش ود. (Forward Elimination) می شود. تشکیل مثلثی بالا دستگاه یک معادلات

توضیحات بیشتر

b 1394 بهار آبخیزداری پژوهشهای 106 شماره b 1394 بهار 106 شماره سازندگی( و )پژوهش در چندگانه رگرسیون و مصنوعی عصبی شبکه روشهای مقایسه به موثر هواشناسی

b 1394 بهار آبخیزداری پژوهشهای 106 شماره b 1394 بهار 106 شماره سازندگی( و )پژوهش در چندگانه رگرسیون و مصنوعی عصبی شبکه روشهای مقایسه به موثر هواشناسی b 1394 بهار آبخیزداری پژوهشهای 106 شماره b 1394 بهار 106 شماره سازندگی( و )پژوهش در چندگانه رگرسیون و مصنوعی عصبی شبکه روشهای مقایسه به موثر هواشناسی عوامل ترین مهم تعیین و تشت از تبخیر برآورد اصلی مولفههای

توضیحات بیشتر

و 1 يازدهمين كنفرانس مهندسي ساخت و توليد ايران مهرماه 1389 دانشگاه تبريز كاربرد مدلسازي رياضي و الگوريتم تبريد تدريجي در بهينه سازي پارامترهاي ف

و 1 يازدهمين كنفرانس مهندسي ساخت و توليد ايران مهرماه 1389 دانشگاه تبريز كاربرد مدلسازي رياضي و الگوريتم تبريد تدريجي در بهينه سازي پارامترهاي ف و كاربرد مدلسازي رياضي و الگوريتم تبريد تدريجي در بهينه سازي پارامترهاي فرآيند پوشش زدايي با واترجت 3 عبدالحميد خواجوي فرهاد كلاهان* محمد باقر خطيبي - دانشجوي كارشناسي ارشد ساخت و توليد دانشكده مهندسي

توضیحات بیشتر

Microsoft PowerPoint - seminar presentation.pptx

Microsoft PowerPoint - seminar presentation.pptx تحليل و طراحي كنترل كننده براي سلولهاي سوختي هيدروژني از نوع SOFC حسام الدين مصلي استاد راهنما: امين نوبختي رئوس مطالب معرفي اهداف پروژه اقدامات صورتگرفته مسير پيش رو همكاران: مهدي شريف زاده ) استاد دانشكده

توضیحات بیشتر

برنامه دروس دوره کارشناسی

برنامه دروس دوره کارشناسی ربانهم ردوس دوره کارشناسی )مهندسی عمران ) )ورودیهای و بعد از آن( های درسی: تعداد کل های درسی این مجموعه به شرح زیر می باشد: مطابق مصوبه شواری عالی انقالب فرهنگی دروس عمومی دروس پایه 68 دروس اصلی و تخصصی

توضیحات بیشتر

Microsoft PowerPoint - chapter 2

Microsoft PowerPoint - chapter 2 حل معادلات يك متغيره محاسبات عددي پيشرفته روش نصف كردن - شرط پايان الگوريتم: مناسب ترين شرط 2 محاسبات عددي پيشرفته روش نصف كردن قضيهفضكند و روش نصف كردن دنباله را ه: فرض كنيد توليد مي كند كه صفر p را تقريب

توضیحات بیشتر

استاندارد مهارت و آموزشي كارور PLC درجه 1 گروه برنامه ريزي درسي كنترل و ابزار دقيق تاريخ شروع اعتبار: 1383/3/1 كد استاندارد : -84/55/1/3 0 دفتر طرح و

استاندارد مهارت و آموزشي كارور PLC درجه 1 گروه برنامه ريزي درسي كنترل و ابزار دقيق تاريخ شروع اعتبار: 1383/3/1 كد استاندارد : -84/55/1/3 0 دفتر طرح و استاندارد مهارت و آموزشي كارور PLC گروه برنامه ريزي درسي كنترل و ابزار دقيق تاريخ شروع اعتبار: 1383/3/1 كد استاندارد : -84/55/1/3 0 دفتر طرح و برنامه هاي درسي: تهران- خيابان آزادي- خ خوش شمالي- تقاطع خوش

توضیحات بیشتر

Microsoft PowerPoint - chapter5-2

Microsoft PowerPoint - chapter5-2 منحني ولتاژ خروجى به ولتاژ ورودى db 4.17KHz فرآانس قطع توابع هدف استفاده از دستور HPBW(DB(V(out)/V(in),3) فرآانس قطع 4.2153KHz 34.186 db با توجه شكل: فرآانس نقطه ده برابر A 1 A 2 مقدار اختلاف فرآانس اين

توضیحات بیشتر

دستورالعمل برداشت اطالعات مکانی تاسیسات گازرسانی خطوط لوله شبکه های تغذیه و توزیع شرکت ملی گاز ایران شرکت گاز استان تهران امور خدمات فنی و فروش عمده و

دستورالعمل برداشت اطالعات مکانی تاسیسات گازرسانی خطوط لوله شبکه های تغذیه و توزیع شرکت ملی گاز ایران شرکت گاز استان تهران امور خدمات فنی و فروش عمده و دستورالعمل برداشت اطالعات مکانی تاسیسات گازرسانی خطوط لوله شبکه های تغذیه و توزیع شرکت ملی گاز ایران شرکت گاز استان تهران امور خدمات فنی و فروش عمده واحد GIS دستور العمل برداشت اطالعات مکانی تاسیسات گازرسانی

توضیحات بیشتر

4- سوالات کنکور 1393 به همراه پاسخ تشریحی آنها سوالات این بخش مربوط به کنکور کارشناسی ارشد گرایش صنایع سال 1393 بوده که آزمون آن در روز جمعه مورخ 92 1

4- سوالات کنکور 1393 به همراه پاسخ تشریحی آنها سوالات این بخش مربوط به کنکور کارشناسی ارشد گرایش صنایع سال 1393 بوده که آزمون آن در روز جمعه مورخ 92 1 - سوالات کنکور به همراه پاسخ تشریحی آنها سوالات این بخش مربوط به کنکور کارشناسی ارشد گرایش صنایع سال بوده که آزمون آن در روز جمعه مورخ / 8/ برگزار شده است. تستهاي کنترل پروژه 0 تا بوده که از شماره آغاز

توضیحات بیشتر

PowerPoint Presentation

PowerPoint Presentation مدل های تغییرپذیری ) )مدل های تغییرپذیری و نااطمینانی تغییرپذیری یکی از مباحث مهم در مطالعات اقتصادی و مالی است.تغییرپذیری را اغلب به صورت انحراف معیار یا واریانس تعریف می کنند که در هر مثالی دارای مفهوم

توضیحات بیشتر

سيستم هاي کنترل بهينه

سيستم هاي کنترل بهينه با سم ه تعا ل ی کنترل اتوماتیک ترافیک Lecure Opimal Polices مقدمه تعريف عام مديريت يا کنترل بهینه يک سیستم: تعيين سيگنال کنترل بطوري که در محدوديت ها يا قيود فيزيکي صدق کرده و در ضمن معيار معيني را حداقل

توضیحات بیشتر

سري سوال, -,( ),,, - ١ توصيف زير به کدام دسته از تعاريف هوش مصنوعي مربوط مي گردد ((مطالعه ي محاسباتي که منجر به درک و استدلال مي شود.)) سيستم هاييکه عقلايي فکر ميکنند. سيستم هاييکه مثل انسان فکر ميکنند.

توضیحات بیشتر

دانشکده مهندسی برق و کامپیوتر گروه مهندسی کامپیوتر گزارش کار سیستم آزمایشگاه پایگاه داده دستور کار پنجم : Functions User Define SQL بهار ۹۶ 1

دانشکده مهندسی برق و کامپیوتر گروه مهندسی کامپیوتر گزارش کار سیستم آزمایشگاه پایگاه داده دستور کار پنجم : Functions User Define SQL بهار ۹۶ 1 دانشکده مهندسی برق و کامپیوتر گروه مهندسی کامپیوتر گزارش کار سیستم آزمایشگاه پایگاه داده دستور کار پنجم : Functions User Define SQL بهار ۹۶ 1 توابع تعریف شده توسط کاربر: در توابع تعریفشده توسط کاربر سه

توضیحات بیشتر

فرم گزارش كار هفتگي

فرم گزارش كار هفتگي قابل توجه دانشجويان متقاضی ( درس کار آموزي ) مراحل و شرح کامل وظايف دانشجويان کارآموزي 1 اخذ واحد كارآموزي در زمان ثبت نام 2 جستجو براي يافتن محلي مناسب جهت كارآموزي و كسب موافقت مديريت واحد مورد نظر.

توضیحات بیشتر

پرديس كشاورزي و منابع طبيعي دانشكده اقتصاد و توسعه كشاورزي گروه اقتصاد كشاورزي سرفصل دروس دوره دكتري رشته مهندسي اقتصاد كشاورزي گرايش سياست و توسعه كش

پرديس كشاورزي و منابع طبيعي دانشكده اقتصاد و توسعه كشاورزي گروه اقتصاد كشاورزي سرفصل دروس دوره دكتري رشته مهندسي اقتصاد كشاورزي گرايش سياست و توسعه كش پرديس كشاورزي و منابع طبيعي دانشكده اقتصاد و توسعه كشاورزي گروه اقتصاد كشاورزي سرفصل دروس دوره رشته مهندسي اقتصاد كشاورزي گرايش سياست و توسعه كشاورزي 6 دروس اصلي دروس اختياري پايان نامه جمع (بدون دروس

توضیحات بیشتر

Iranian Journal of Irrigation and Drainage No. 5, Vol. 10, Nov.-Dec. 2016, p نشریه آبیاري و زهکشی ایران شماره 5 جلد 10 آذر - دي 1395

Iranian Journal of Irrigation and Drainage No. 5, Vol. 10, Nov.-Dec. 2016, p نشریه آبیاري و زهکشی ایران شماره 5 جلد 10 آذر - دي 1395 Iranian Journal of Irrigation and Drainage No. 5, Vol. 10, Nov.-Dec. 2016, p. 687-695 687-695. نشریه آبیاري و زهکشی ایران شماره 5 جلد 10 آذر - دي 1395 ص بررسی تا ثیر پارامترهاي شماره منحنی رواناب چالاب

توضیحات بیشتر

764 / 1004 ولتاژ برگشتی حالت گذرا ی بریکر در سیستم های ولتاژ متوسط و شناسایی اغتشاشات حالت گذرا با استفاده از تبدیل فوریه زمان کوتاه 1 سودابه سلیمانی

764 / 1004 ولتاژ برگشتی حالت گذرا ی بریکر در سیستم های ولتاژ متوسط و شناسایی اغتشاشات حالت گذرا با استفاده از تبدیل فوریه زمان کوتاه 1 سودابه سلیمانی 764 / 1004 ولتاژ برگشتی حالت گذرا ی بریکر در سیستم های ولتاژ متوسط و شناسایی اغتشاشات حالت گذرا با استفاده از تبدیل فوریه زمان کوتاه 1 سودابه سلیمانی 2 محمد مصباح 3 نوراهلل فرداد 4 آناهیتا قاسمی 1- دانشگاه

توضیحات بیشتر

cosx tan x( 2sin sin x) 4 sin x )3 باشد حاصل کدام است )4 cos x )2 x اگر sin x ) tan x( 2sin sin x) = (

cosx tan x( 2sin sin x) 4 sin x )3 باشد حاصل کدام است )4 cos x )2 x اگر sin x ) tan x( 2sin sin x) = ( cos + tan ( sin sin ) sin ) باشد حاصل کدام است ) cos ) 6- اگر sin ) + tan ( sin sin ) = ( sin ) cos cos پاسخ: از طرفی پس چون در ربع سوم مقداری منفی دارد خواهیم داشت: cos = cos cos ( sin ) = ( sin ) = =

توضیحات بیشتر

استفاده از تبدیل موجک براي شناسایی و دستهبندي شاخصهاي کیفیت توان در شبکههاي قدرت هوشمند 2 ٢ 1 محمدرضا حاتمی ابراهیم باباي ی 1 دانشگاه آزاد اسلامی واحد

استفاده از تبدیل موجک براي شناسایی و دستهبندي شاخصهاي کیفیت توان در شبکههاي قدرت هوشمند 2 ٢ 1 محمدرضا حاتمی ابراهیم باباي ی 1 دانشگاه آزاد اسلامی واحد استفاده از تبدیل موجک براي شناسایی و دستهبندي شاخصهاي کیفیت توان در شبکههاي قدرت هوشمند 2 ٢ محمدرضا حاتمی ابراهیم باباي ی دانشگاه آزاد اسلامی واحد علوم وتحقیقات آذربایجانشرقی Mr.hatami.985@gmail.com دانشگاه

توضیحات بیشتر

Microsoft Word - avr prog mannual.doc

Microsoft Word - avr prog mannual.doc ) دانشگاه صنعتي خواجه نصيرالدين طوسي دانشكده برق آزمايشگاه كنترل خطي AVR پروگرامر ميكروكنترلر راهنماي كاربر ( قابل استفاده براي كليه ميكروكنترلرهاي AVR داراي برد مخصوص براي استفاده ميكروكنترلرهاي DIP 40

توضیحات بیشتر

iran-mobile-industry-report-pushe-fall-2018

iran-mobile-industry-report-pushe-fall-2018 آذر ۱۳۹۷ گزارش تحلیل کاربران تلفن های همراه هوشمند اندروید به نام خدا پیش گفتار گزارش پیش روی شما از تحلیل دادههای کاربران ایرانی دارای موبایل اندرویدی در آذر ۹۷ به دست آمده است. دادههای این گزارش از طریق

توضیحات بیشتر

مشخصات کلی اهداف مرحله ای هدف های رفتاری آموزشی این فایل فقط برای مشاهده می باشد. برای خرید فایل ورد و قابل ویرایش این طرح درس با قیمت فقط دوهزار توما

مشخصات کلی اهداف مرحله ای هدف های رفتاری آموزشی این فایل فقط برای مشاهده می باشد. برای خرید فایل ورد و قابل ویرایش این طرح درس با قیمت فقط دوهزار توما مشخصات کلی اهداف مرحله ای هدف های رفتاری آموزشی طرح درس روزانه درس ریاضی هفتم شماره طرح درس موضوع درس : جذر و ریشه تاریخ اجرا : مدت اجرا : 1 جلسه 09 دقیقه : تعداد فراگیران : 62 مجری : بخشی کالس هفتم مکان

توضیحات بیشتر

3- تجارب شغلي

3- تجارب شغلي شناسنامه علمی )CV( 1- اطالعات شخصي نام و نام خانوادگي: اشکان فرخنیا تاريخ تولد: 1661/6/17 محل تولد: سیرجان وضعيت تأهل: متأهل )یک فرزند( آدرس محل کار: تهران حکیمیه بلوار بهار موسسه تحقیقات آب پژوهشکده منابع

توضیحات بیشتر

خستگي Fatigue خستگي نوعي ازتخريب است كه هنگامي مشاهده ميشود كه نيروي اعمالي ديناميك است و مقادير بردار نيروي)مقدار وجهت و راستا( اعمالي با گذشت زمان ع

خستگي Fatigue خستگي نوعي ازتخريب است كه هنگامي مشاهده ميشود كه نيروي اعمالي ديناميك است و مقادير بردار نيروي)مقدار وجهت و راستا( اعمالي با گذشت زمان ع خستگي Fatigue خستگي نوعي ازتخريب است كه هنگامي مشاهده ميشود كه نيروي اعمالي ديناميك است و مقادير بردار نيروي)مقدار وجهت و راستا( اعمالي با گذشت زمان عوض مي شود. در اين حالت تخريب مكانيزم خاص خود را دارد

توضیحات بیشتر

هنرستان فنی عمران شهید دکتر چمران وقت امتحان: 40 دقیقه رشته: شبکه و نرم افزار )پایه 10( تاریخ: 96/9/25 درس: نصب و راه اندازی سیستم های رایانه ای ( فصل

هنرستان فنی عمران شهید دکتر چمران وقت امتحان: 40 دقیقه رشته: شبکه و نرم افزار )پایه 10( تاریخ: 96/9/25 درس: نصب و راه اندازی سیستم های رایانه ای ( فصل هنرستان فنی عمران شهید دکتر چمران وقت امتحان: 40 دقیقه رشته: شبکه و نرم افزار )پایه 10( تاریخ: 96/9/5 درس: نصب و راه اندازی سیستم های رایانه ای ( فصل سوم( هنرجو:... هنرآموز : محمدرضا ساالرنیا غ ص امکان

توضیحات بیشتر

Template

Template دانشكده علوم و فنون نوین گروه بین رشتهای فناوری )بخش علوم و فناوری شبكه( استفاده از یادگیری عمیق برای بازشناسی گفتار فارسی نام دانشجو: آرمیتا حجیمانی استاد راهنما: دكتر هادی ویسی پایاننامه برای دریافت

توضیحات بیشتر

آشنایی با IELTS Writing Task 2 و writing شما معیار 4 مهم ارزیا یب

آشنایی با IELTS Writing Task 2 و writing شما معیار 4 مهم ارزیا یب آشنایی با IELTS Writing Task 2 و writing شما معیار 4 مهم ارزیا یب ویژگی های IELTS Writing Task 2 چیست چگونه باید به سواالت رایتینگ Task 2 پاسخ داد مالک های نمره دهی چیست و نوشته شما بر اساس چه پارامترهایی

توضیحات بیشتر

بخش 2: نانوکامپوزیتها حسین فالح دوست محسن افسری والیتی مقدمه برای دستیابی به مواد با خواص مورد نظر و کاربری ویژه کامپوزیتها تولید شدند. کامپوزیتها موا

بخش 2: نانوکامپوزیتها حسین فالح دوست محسن افسری والیتی مقدمه برای دستیابی به مواد با خواص مورد نظر و کاربری ویژه کامپوزیتها تولید شدند. کامپوزیتها موا بخش 2: نانوکامپوزیتها حسین فالح دوست محسن افسری والیتی مقدمه برای دستیابی به مواد با خواص مورد نظر و کاربری ویژه کامپوزیتها تولید شدند. کامپوزیتها موادی چند جزئی هستند که خواص آنها در مجموع از هر کدام

توضیحات بیشتر

Microsoft Word - soil

Microsoft Word - soil بررسي رفتار لرزه اي خاك ها در زلزله هاي بزرگ عبدالحسين حداد ١ عباس سيوندي پور ٢ محمد بزاز ٣ ahadad@semnan.ac.ir -1 abbas.sivandi@gmail.com - 2 Mohammad-bazaz1362@yahool.com - 3 چكيده اين نظريه كه ارتعاش

توضیحات بیشتر

هاله کسمائي

هاله کسمائي 3-1 آرایه يکی از پرکاربردترين ساختمان های داده است که اغلب برای پیاده سازی داده ه یا انتزاعی خطی بکار می رود. تعريف های يک بعدی های دو بعدی محاسبه فضا و آدرس های پويا الگوريتم های درج و حذف تعریف آرایه

توضیحات بیشتر

تمرین سری سوم درس مبانی برنامه نویسی پایتون دانشگاه شریف پاییز ۴۹ دمرس: علی رضا رط ق ی حقی ق ت رطاح تم ر ی ن: علی رضا خاد م ی 1

تمرین سری سوم درس مبانی برنامه نویسی پایتون دانشگاه شریف پاییز ۴۹ دمرس: علی رضا رط ق ی حقی ق ت رطاح تم ر ی ن: علی رضا خاد م ی 1 دمرس: علی رضا رط ق ی حقی ق ت رطاح تم ر ی ن: علی رضا خاد م ی 1 به نکات زیر حتما دقت کنید: موعد تحویل تمرین تمدید نخواهد شد. قطع بودن اینترنت منزل یا خوابگاه کندی سرعت اینترنت عدم وقت و... هیچ کدام دلیل

توضیحات بیشتر

عنوان درس :

عنوان درس : طرح دوره plan) (course نیمسال اول -1395 1396 (دروس نظري و عملی) نام و شماره درس: فیزیک صوت روز و ساعت برگزاري: یکشنبه ها: 10-12 سه شنبه ها: 8-10 تعداد و نوع واحد: 2 دروس پیش نیاز: مسي ول درس: ند ارد فاطمه

توضیحات بیشتر

Microsoft Word - 264_264P276T10_FullPaperSubmission.doc

Microsoft Word - 264_264P276T10_FullPaperSubmission.doc تولید نقشههاي پراکنش دادههاي اقلیمی جهت مدیریت منابع آب با استفاده از مدل SWAT 4 3 2 1 سارا آزادي دکتر سعید سلطانی کوپایی دکتر منیره فرامرزي دکتر علیرضا سلطانی تودشکی چکیده 1- دانشجوي کارشناسی ارشد آبخیزداري

توضیحات بیشتر

Microsoft Excel

Microsoft Excel Microsoft Excel وارد کردن داده ھا دادھا بھ دو شیوه ستونی و ردیفی وارد سل ھا می شوند اگر دادھا وارد ستون A و B شوند ستون A بمنزلھ x و ستون B بمنزلھ y است ستون ھای D C و... ھمگی بمنزلھ y ھستند x y y y فرمت

توضیحات بیشتر

سوم مبحث حداقلسازي سطح گيت Presented by A. Maleki Winter Semester, 2010 مقدمهاي بر حداقلسازي روش نقشه مطالب فهرست نقشه

سوم مبحث حداقلسازي سطح گيت Presented by A. Maleki Winter Semester, 2010 مقدمهاي بر حداقلسازي روش نقشه مطالب فهرست نقشه سوم مبحث حداقلسازي سطح گيت Presented b. Maleki Winter Semester, 2 مقدمهاي بر حداقلسازي روش نقشه مطالب فهرست نقشهي چهارمتغيره و نقشهي پنج متغيره سادهسازي به فرم ضرب حاصلجمعها حالتهاي بياهميت پيادهسازي با

توضیحات بیشتر

فصل 2 حسابان يافتن ضابطٴه تابع وارون فعاليت 9 f(x) = 2x+ 3 نمودار تابع خطی + ۳ ۲x f (x) = داده شده است. y = x ١ وارون اين تابع را در همان دستگاه مختصا

فصل 2 حسابان يافتن ضابطٴه تابع وارون فعاليت 9 f(x) = 2x+ 3 نمودار تابع خطی + ۳ ۲x f (x) = داده شده است. y = x ١ وارون اين تابع را در همان دستگاه مختصا فصل حسابان يافتن ضابطٴه تابع وارون فعاليت 9 () = + نمودار تابع خطی + ۳ ۲ () = داده شده است. = ١ وارون اين تابع را در همان دستگاه مختصات رسم کنيد. ٢ معادلهای برای وارون اين تابع به دست آوريد. میتوانيد از

توضیحات بیشتر

برگ راهنمای درس عنوان درس: پردازش تصاویر رقومی )تعداد واحد( :3 نام استاد: یاسر مقصودی دانشکده مهندسی نقشه برداری زمان تدریس: یکشنبه دوشنبه سال تحصیلی

برگ راهنمای درس عنوان درس: پردازش تصاویر رقومی )تعداد واحد( :3 نام استاد: یاسر مقصودی دانشکده مهندسی نقشه برداری زمان تدریس: یکشنبه دوشنبه سال تحصیلی برگ راهنمای درس عنوان درس: پردازش تصاویر رقومی )تعداد واحد( :3 نام استاد: یاسر مقصودی دانشکده مهندسی نقشه برداری زمان تدریس: یکشنبه دوشنبه سال تحصیلی - 98 1397 نیمسال اول پست الکترونیک: ymaghsoudi@kntu.ac.ir

توضیحات بیشتر

Microsoft Word - paperbargh89_.doc

Microsoft Word - paperbargh89_.doc فشرده سازي تصاوير سونوگرافي با استفاده از تبديل DPCM و تبديل موجك الهام شاهحسيني حميد بهنام و نسرين احمدينژاد دانشگاه آزاد واحد علوم تحقيقات elham.shahhoseini@gmail.com دانشگاه علم وصنعت ايران behnam@iust.ac.ir

توضیحات بیشتر

<4D F736F F D20CFD3CAE6D1C7E1DAE3E120E4CDE6E520E3CDC7D3C8E52081EDD4D1DDCA20DDEDD2EDDFED20D8D1CD9DE5C7ED20C7CCD1C7EDED2E646F6378>

<4D F736F F D20CFD3CAE6D1C7E1DAE3E120E4CDE6E520E3CDC7D3C8E52081EDD4D1DDCA20DDEDD2EDDFED20D8D1CD9DE5C7ED20C7CCD1C7EDED2E646F6378> دستورالعمل نحوه محاسبه پيشرفت فيزيكي طرحهاي اجرايي طرحهاي اجرايي ممكن است از يك يا چند پيمان (خاتمه يافته جاري و يا پيمانهايي كه در آينده بايستي منعقد شوند) تشكيل شده باشد لذا به منظور محاسبه پيشرفت فيزيكي

توضیحات بیشتر

دانشكده مهندسي برق راهنمای استفاده از نرم افزار Cadence بخش پنجم LVS DRC رسم Layout یک وارونگر و انجام تست های و تهيه كننده : محمد سيم چي زير نظر دكتر

دانشكده مهندسي برق راهنمای استفاده از نرم افزار Cadence بخش پنجم LVS DRC رسم Layout یک وارونگر و انجام تست های و تهيه كننده : محمد سيم چي زير نظر دكتر بخش پنجم LVS DRC رسم Layout یک وارونگر و انجام تست های و تهيه كننده : محمد سيم چي زير نظر دكتر مجيد شالچيان ویرایش اول تابستان 29 فهرست رسم مدار شماتیک... 2 رسم لی اوت...3 اجرای 13... DRC اجرای 11...LVS.1.2.3.4

توضیحات بیشتر

سیستمهای فازی

سیستمهای فازی سیستمهای فازی درس کنترل هوشمند در فضای سایبرنتیک مدرس: حمید محمودیان هیئت علمی دانشگاه نجف اباد تعاریف مجموعه های فازی: مجموعه فازی A از زیر مجموعه مرجع U دارای عناصر x میباشد که هرکدام از این عناصر با

توضیحات بیشتر

chapter1-Introduction [Compatibility Mode]

chapter1-Introduction [Compatibility Mode] بسم االله الرحمن الرحيم شبكه هاي عصبي مصنوعي Artificial Neural Networks (ANN) جعفر زارعی دانشگاه صنعتی شیراز دانشکده مهندسی برق و الکترونیک گروه کنترل ترم 90-91 II استاد: دکتر زارعی کتاب درسی مراجع: 1

توضیحات بیشتر

بسم اهلل الرحمن الرحیم آموزشگاه تحلیل داده تخصصی ترین مرکز برنامه نویسی و دیتابیس در ایران آموزش ساختار برنامه سی شارپ مدرس : مهندس افشین رفوآ آدرس آم

بسم اهلل الرحمن الرحیم آموزشگاه تحلیل داده تخصصی ترین مرکز برنامه نویسی و دیتابیس در ایران آموزش ساختار برنامه سی شارپ مدرس : مهندس افشین رفوآ آدرس آم بسم اهلل الرحمن الرحیم آموزشگاه تحلیل داده تخصصی ترین مرکز برنامه نویسی و دیتابیس در ایران آموزش ساختار برنامه سی شارپ مدرس : مهندس افشین رفوآ شارپ سی برنامه ساختار آموزش از تر( )کوچک تر ساده ساختار به

توضیحات بیشتر

Microsoft Word - Attachment 6

Microsoft Word - Attachment 6 كاهش براي دومين سال متوالي 1 كشور در سال 1394 براي دومين سال متوالي كاهش يافت و با رشد منفي 43.2 درصدي نسبت به سال قبل به حدود 9 ميليارد دلار رسيد. (نمودار 1 ). همانگونه كه در جدول 1 مشاهده ميشود در سال

توضیحات بیشتر

پژوهشهاي دانش زمين سال هفتم شماره 52 بهار 9312 صفحات قوچک - رودک مدلسازي هيدرولوژيکي حوضه آبخيز مدل از استفاده با HEC- HMS محمد مهدي حسين

پژوهشهاي دانش زمين سال هفتم شماره 52 بهار 9312 صفحات قوچک - رودک مدلسازي هيدرولوژيکي حوضه آبخيز مدل از استفاده با HEC- HMS محمد مهدي حسين پژوهشهاي دانش زمين سال هفتم شماره 52 بهار 9312 صفحات 39-33... 39 قوچک - رودک مدلسازي هيدرولوژيکي حوضه آبخيز مدل از استفاده با HEC- HMS محمد مهدي حسين زاده * 1 سپيده ايمني 2 9 -دانشيار دانشکده علوم زمين

توضیحات بیشتر

ترم پاییزه دوره هاي آموزشی مهندسی برق در دانشگاه علم و صنعت در راستاي گسترش آموزشهاي آزاد در دانشگاه ها پژوهشکده الکترونیک دانشگاه علم و صنعت دوره هاي

ترم پاییزه دوره هاي آموزشی مهندسی برق در دانشگاه علم و صنعت در راستاي گسترش آموزشهاي آزاد در دانشگاه ها پژوهشکده الکترونیک دانشگاه علم و صنعت دوره هاي ترم پاییزه دوره هاي آموزشی مهندسی برق در دانشگاه علم و صنعت در راستاي گسترش آموزشهاي آزاد در دانشگاه ها پژوهشکده الکترونیک دانشگاه علم و صنعت دوره هاي آموزشی مهندسی برق را با بهره گیري از اساتید مجرب جهت

توضیحات بیشتر

شماره مقاله: 38 مقاله نامه بيست و يكمين كنفرانس بهاره فيزيك (31 ارديبهشت و 1 خرداد 1393) چکیده خواص ترموالکتریکی عایق توپولوژیکی در حضور ناخالصی های م

شماره مقاله: 38 مقاله نامه بيست و يكمين كنفرانس بهاره فيزيك (31 ارديبهشت و 1 خرداد 1393) چکیده خواص ترموالکتریکی عایق توپولوژیکی در حضور ناخالصی های م چکیده خواص ترموالکتریکی عایق توپولوژیکی در حضور ناخالصی های مغناطیسی و غیر مغناطیسی علی رضایی سعید عابدین پور جهانفر ابویی دانشکده فیزیک دانشگاه تحصیالت تکمیلی علوم پایه زنجان صندوق پستی ۵۱۵۱۱-۵۵۱۱ زنجان

توضیحات بیشتر

جایگاه فن‏آوری اطلاعات و ارتباطات در توسعه شهری

جایگاه فن‏آوری اطلاعات و ارتباطات در توسعه شهری همایش تهران هوشمند 1396 Smart Tehran Congress فنآوری اطالعات به مثابه مسیر توسعه حجتاهلل میرزایی نقش فنآوری اطالعات و ارتباطات فنآوری اطالعات به عنوان ابزاری برای ارتقا نظام مدیریت شهری فنآوری اطالعات

توضیحات بیشتر