مقایسه عملکرد روش های هوشمند ANFIS و GEP در تخمین عمق آبشستگی پایه های پل

اختصاصی از فی دوو مقایسه عملکرد روش های هوشمند ANFIS و GEP در تخمین عمق آبشستگی پایه های پل دانلود با لینک مستقیم و پر سرعت .

• مقاله با عنوان: مقایسه عملکرد روش های هوشمند ANFIS و GEP در تخمین عمق آبشستگی پایه های پل  

• نویسندگان: کیومرث روشنگر ، شبنم میرحیدریان  

• محل انتشار: دهمین کنگره بین المللی مهندسی عمران - دانشگاه تبریز - 15 تا 17 اردیبهشت 94  

• فرمت فایل: PDF و شامل 7 صفحه می باشد.

چکیــــده:

امروزه با پیشرفت علم و تکنولوژی، استفاده از سیستم ها و نرم افزارهای کامپیوتری در محاسبات مسائل پیچیده گسترش بسیاری یافته است. یکی از این مسائل که همه ساله خسارات مالی و جانی بسیاری را به همراه دارد، تخریب پل ها بدلیل آبشستگی پایه های آن در اثر جریان آب می باشد. در این تحقیق، کارایی و عملکرد دو روش نرم افزاری هوشمند شبکه فازی-عصبی (ANFIS) و برنامه ریزی بیان ژن (GEP) برای تخمین میزان آبشستگی پایه های پل با استفاده از داده های میدانی مورد مقایسه قرار گرفته است. همچنین در این تحقیق از دو سری داده ی آزمایشگاهی و میدانی برای بستر با خاک غیرچسبنده استفاده شده است. مقایسه نتایج نشان داد که بدست آمدن ضریب همبستگی 0.9211 و 0.7108 به ترتیب برای داده های آزمایشگاهی و میدانی حاکی از عملکرد بهتر شبکه فازی – عصبی (ANFIS) در مقایسه با روش برنامه ریزی بیان ژن (GEP) در تخمین عمق آبشستگی پایه های پل می باشد. همچنین استفاده از آنالیز ابعادی جهت بی بعد کردن داده ها کارائی مدل را نسبت به داده های با بعد افزایش داد.

________________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** درخواست مقالات کنفرانس‌ها و همایش‌ها: با ارسال عنوان مقالات درخواستی خود به ایمیل [e-mail] پس از قرار گرفتن مقالات در سایت به راحتی اقدام به خرید و دریافت مقالات مورد نظر خود نمایید. **

دانلود پاورپوینت نظریه تولید و تخمین آن

اختصاصی از فی دوو دانلود پاورپوینت نظریه تولید و تخمین آن دانلود با لینک مستقیم و پر سرعت .

فهرست مطالب

تابع تولید کل

تولید متوسط و نهایی، و قانون بازده نهاییِ نزولی

قانون بازده نهاییِ نزولی

منحنیهای تولید یکسان و نرخ نهایی جانشینی فنی

منحنیهای تولید یکسان

ترکیب بهینۀ نهاده ها و مقدار تولید بهینه

درصد ظرفیت روزانۀ لازم هر یک از چهار واحد موجود در کارخانه سایپا

ترکیب بهینه تولید دو نوع اتومبیل سواری و وانت

طراحی الگوهای برنامه ریزی خطی (LP) به منظور تخصیص بهینه نهاده ها

مسأله دوگان و قیمت های سایه

برآورد تابع تولید

منابع

تعداد اسلاید: 32 صفحه

با قابلیت ویرایش

مناسب جهت ارائه سمینار و تحقیقات

دانلود پاورپوینت مدیریت کنترل پروژه آی تی ساختارشکست کاری و تخمین - 43 اسلاید قابل ویرایش

اختصاصی از فی دوو دانلود پاورپوینت مدیریت کنترل پروژه آی تی ساختارشکست کاری و تخمین - 43 اسلاید قابل ویرایش دانلود با لینک مستقیم و پر سرعت .

ـ گسترش ساختار شکست کاری

ـ شرح تفاوت میان محصول و رویداد

ـ شرح و بکار بستن روش های تخمین چندین پروژه               که شامل تکنیک دلفی ومحدوده زمانی و سقف حداقل تخمین وکف حداکثر تخمین می شود

ـ شرح و بکار بستن مهندسی نرم افزار نگرش تخمین وتحلیل مسیر های کارو مدل هزینه سودمند و ابتکارات

برای دانلود کل پاورپوینت از لینک زیر استفاده کنید:

دانلود تحقیق تخمین مدل و استنتاج آماری بررسی ایستایی (ساکن بودن) سری های زمانی

اختصاصی از فی دوو دانلود تحقیق تخمین مدل و استنتاج آماری بررسی ایستایی (ساکن بودن) سری های زمانی دانلود با لینک مستقیم و پر سرعت .

قبل از تخمین مدل، به بررسی ایستایی می پردازیم. می توان چنین تلقی نمود که هر سری زمانی توسط یک فرآیند تصادفی تولید شده است. داده های مربوط به این سری زمانی در واقع یک مصداق از فرآیند تصادفی زیر ساختی است. وجه تمایز بین (فرآیند تصادفی) و یک (مصداق) از آن، همانند تمایز بین جامعه و نمونه در داده های مقطعی است. درست همانطوری که اطلاعات مربوط به نمونه را برای استنباطی در مورد جامعه آماری مورد استفاده قرار می دهیم، در تحلیل سریهای زمانی از مصداق برای استنباطی در مورد فرآیند تصادفی زیر ساختی استفاده می کنیم. نوعی از فرآیندهای تصادفی که مورد توجه بسیار زیاد تحلیل گران سریهای زمانی قرار گرفته است فرآیندهای تصادفی ایستا می باشد.

برای تاکید بیشتر تعریف ایستایی، فرض کنید Yt یک سری زمانی تصادفی با ویژگیهای زیر است:

(1) : میانگین

(2)  واریانس :

(3)  کوواریانس :

(4)  ضریب همبستگی :

که در آن میانگین ، واریانس  کوواریانس  (کوواریانس بین دو مقدار Y که K دوره با یکدیگر فاصله دارند، یعنی کوواریانس بین Yt و Yt-k) و ضریب همبستگی  مقادیر ثابتی هستند که به زمان t بستگی ندارند.

اکنون تصور کنید مقاطع زمانی را عوض کنیم به این ترتیب که Y از Yt به Yt-k تغییر یابد. حال اگر میانگین، واریانس، کوواریانس و ضریب همبستگی Y تغییری نکرد، می توان گفت که متغیر سری زمانی ایستا است. بنابراین بطور خلاصه می توان چنین گفت که یک سری زمانی وقتی ساکن است که میانگین، واریانس، کوواریانس و در نتیجه ضریب همبستگی آن در طول زمان ثابت باقی بماند و مهم نباشد که در چه مقطعی از زمان این شاخص ها را محاسبه می کنیم. این شرایط تضمین می کند که رفتار یک سری زمانی، در هر مقطع متفاوتی از زمان، همانند می باشد.

آزمون ساکن بودن از طریق نمودار همبستگی و ریشه واحد

یک آزمون ساده برای ساکن بودن براساس تابع خود همبستگی (ACF) می باشد. (ACF) در وقفه k با  نشان داده می شود و بصورت زیر تعریف می گردد.

از آنجاییکه کوواریانس و واریانس، هر دو با واحدهای یکسانی اندازه گیری می‌شوند،  یک عدد بدون واحد یا خالص است.  به مانند دیگر ضرایب همبستگی، بین (1-) و (1+) قرار دارد. اگر  را در مقابل K (وقفه ها) رسم نماییم، نمودار بدست آمده، نمودار همبستگی جامعه نامیده می شود. از آنجایی که عملاً تنها یک تحقق واقعی (یعنی یک نمونه) از یک فرآیند تصادفی را داریم، بنابراین تنها می‌توانیم تابع خود همبستگی نمونه،  را بدست آوریم. برای محاسبه این تابع می‌بایست ابتدا کوواریانس نمونه در وقفه K و سپس واریانس نمونه را محاسبه نماییم.

که همانند نسبت کوواریانس نمونه به واریانس نمونه است. نمودار  در مقابل K نمودار همبستگی نمونه نامیده می شود. در عمل وقتی  مربوط به جامعه را ندایم و تنها  را براساس مصداق خاصی از فرآیند تصادفی در اختیار داریم باید به آزمون فرضیه متوسل شویم تا بفهمیم که  صفر است یا خیر. بارتلت (1949)نشان داده است که اگر یک سری زمانی کاملاً تصادفی یعنی نوفه سفید باشد، ضرایب خود همبستگی نمونه تقریباً دارای توزیع نرمال با میانگین صفر و واریانس  می باشد که در آن n حجم نمونه است. براین اساس می توان یک فاصله اطمینان، در سطح 95 درصد ساخت. بدین ترتیب اگر  تخمینی در این فاصله قرار گیرد، فرضیه(=0) را نمی توان رد کرد. اما اگر  تخمینی خارج از این فاصله اعتماد قرار گیرد می توان صفر بودن  را رد کرد.

آزمون دیگری نیز بصورت گسترده برای بررسی ایستایی سریهای زمانی بکار می‌رود که به آزمون ریشه واحد معروف است. برای فهم این آزمون مدل زیر را در نظر بگیرید:

فایل ورد 22 ص

تحقیق تخمین مدل و استنتاج آماری

اختصاصی از فی دوو تحقیق تخمین مدل و استنتاج آماری دانلود با لینک مستقیم و پر سرعت .

تحقیق تخمین مدل و استنتاج آماری در 24 صفحه فایل ورد قابل ویرایش

قسمتی از متن و فهرست

فهرست

تخمین مدل و استنتاج آماری  
بررسی ایستایی (ساکن بودن) سری های زمانی   
آزمون ساکن بودن از طریق نمودار همبستگی و ریشه واحد   
تغییرات ساختاری و آزمون ریشه واحد پرون 
رگرسیون ساختگی   
هم انباشتگی (هم جمعی)   
- آزمون هم انباشتگی (هم جمعی)   
- آزمون همگرایی جوهانسن مو جوسیلیوس   
مروری بر الگوهای اقتصاد سنجی پولی  
الگوهای کینزی  
الف- نگرشی کوتاه بر مبنای نظری در الگوهای کینزی 
ب- مروری بر الگوی FRB-MIT  
بخش مالی  

بررسی ایستایی (ساکن بودن) سری های زمانی

 قبل از تخمین مدل، به بررسی ایستایی می پردازیم. می توان چنین تلقی نمود که هر سری زمانی توسط یک فرآیند تصادفی تولید شده است. داده های مربوط به این سری زمانی در واقع یک مصداق از فرآیند تصادفی زیر ساختی است. وجه تمایز بین (فرآیند تصادفی) و یک (مصداق) از آن، همانند تمایز بین جامعه و نمونه در داده های مقطعی است. درست همانطوری که اطلاعات مربوط به نمونه را برای استنباطی در مورد جامعه آماری مورد استفاده قرار می دهیم، در تحلیل سریهای زمانی از مصداق برای استنباطی در مورد فرآیند تصادفی زیر ساختی استفاده می کنیم. نوعی از فرآیندهای تصادفی که مورد توجه بسیار زیاد تحلیل گران سریهای زمانی قرار گرفته است فرآیندهای تصادفی ...

آزمون ساکن بودن از طریق نمودار همبستگی و ریشه واحد

 یک آزمون ساده برای ساکن بودن براساس تابع خود همبستگی (ACF) می باشد. (ACF) در وقفه k با  نشان داده می شود و...

تغییرات ساختاری و آزمون ریشه واحد پرون

وجود ریشه واحد و ناپایایی که در اغلب متغیرهای سری زمانی اقتصد کلان ملاحظه می شود ممکن است ناشی از عدم توجه به شکست عمده ساختاری در روند این متغیرها می باشد. اگر سریهای زمانی، در طول زمان دچار تغییرات ساختاری و شکست شوند، آزمونهای استاندارد ریشه واحد نظیر آزمون دیکی- فولر مناسب ترین آزمون برای قبول یا رد فرضیه ریشه واحد نبوده و نمی توانند آن فرضیه را رد کنند.

پرون به منظور نشان دادن اثرات تغییرات ساختاری بر روی سریهای زمانی و ...

رگرسیون ساختگی

در رگرسیونهای مبتنی بر متغیرهای سری زمانی (رگرس یک متغیر سری زمانی بر سری زمانی دیگر) محققان غالباً R2 بالایی را مشاهده می کنند، هرچند که رابطه معنی‌داری بین متغیرها وجود نداشته باشد. این وضعیت نشان دهنده رگرسیون ساختگی (کاذب) است.

این مشکل ناشی از آن است که هر دو متغیر سری زمانی (متغیر وابسته و متغیر توضیحی) تمایل شدیدی نسبت به زمان (حرکتهای نزولی و صعودی) از خود نشان می‌دهند و لذا R2 بالایی که مشاهده می شود، نه به واسطه ارتباط حقیقی بین متغیرها بلکه بواسطه وجود متغیر زمان می باشد.

نتایج چنین رگرسیونهایی اغلب عالی به نظر می رسند، R2 بالا و نسبتهای t معنی دار بالا (بصورت قابل توجه) برای متغیرهای توضیحی، در این بین تنها اشکال پایین بودن آماره d (دوربین- واتسون ) است.

گرنجر و نیوبلد یک...