مقاله پیش بینی عدد لوژن به کمک شبکه عصبی مصنوعی و مقایسه آن با روش های آماری

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله پیش بینی عدد لوژن به کمک شبکه عصبی مصنوعی و مقایسه آن با روش های آماری دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله پیش بینی عدد لوژن به کمک شبکه عصبی مصنوعی و مقایسه آن با روش های آماری  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله پیش بینی عدد لوژن به کمک شبکه عصبی مصنوعی و مقایسه آن با روش های آماری،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله پیش بینی عدد لوژن به کمک شبکه عصبی مصنوعی و مقایسه آن با روش های آماری :

مقاله پیش بینی عدد لوژن به کمک شبکه عصبی مصنوعی و مقایسه آن با روش های آماری که چکیده‌ی آن در زیر آورده شده است، در بهار و تابستان ۱۳۸۸ در زمین شناسی مهندسی از صفحه ۵۱۳ تا ۵۲۲ منتشر شده است.
نام: پیش بینی عدد لوژن به کمک شبکه عصبی مصنوعی و مقایسه آن با روش های آماری
این مقاله دارای ۱۰ صفحه می‌باشد، که برای تهیه‌ی آن می‌توانید بر روی گزینه‌ی خرید مقاله کلیک کنید.
کلمات مرتبط / کلیدی:
مقاله شبکه عصبی پرسپترون چندلایه
مقاله لوژن
مقاله ویژگی ناپیوستگی ها
مقاله رگرسیون چندمتغیره
مقاله ساختگاه سد شور
مقاله جیرفت
مقاله پیش بینی

چکیده و خلاصه‌ای از مقاله:
برآورد ویژگی های هیدروژئولوژیکی توده سنگ و پیش بینی میزان جریان آب از بحث های حیاتی و جدی در مهندسی سنگ به شمار می رود. از آن جا که در توده سنگ های درز و شکاف دار ناپیوستگی ها مسیرهای اصلی جریان آب را به وجود می آورند، مشخصات آن ها تاثیر چشم گیری بر آب گذری خواهد داشت. با وجود تحقیقات فراوان هنوز روش مناسبی که رابطه مشخصی بین همه پارامترها و میزان آب گذری برقرار کند وجود ندارد. امروزه شبکه های عصبی ابزار قدرتمندی برای حل مسائل پیچیده از قبیل پیش بینی، تشخیص الگو و طبقه بندی انواع متغیرها هستند. در این تحقیق به کمک نوعی شبکه عصبی مصنوعی، رفتار و مقدار آب گذری توده سنگ های گرانودیوریتی ساختگاه سد شور – جیرفت از روی برخی وی‍ژگی ناپیوستگی ها از جمله شاخص کیفی سنگ، فراوانی درزه ها، بازشدگی، چگالی وزنی درزه، زون های خرد شده و عمق پیش بینی شده است. رابطه این پارامترها با آب گذری با روش آماری رگرسیون چند متغیره نیز بررسی شده است. داده های به کار رفته در آموزش و آزمایش این شبکه عصبی شامل نتایج مربوط به ۳۰۴ آزمایش لوژن در توده سنگ های گرانودیوریتی ساخت گاه سد شور – جیرفت است. شبکه عصبی پرسپترون چندلایه با قاعده پس انتشار خطا با الگوریتم آموزش Levenberg-Marquardt در این تحقیق استفاده شده است. این بررسی های نشان می دهد که شبکه عصبی مصنوعی از توانایی فراوانی در حل چنین مسایلی برخوردار است.