پیشبینی قیمت کوتاه مدت مبتنی بر موجک-ELM ترکیبی، برای بازار برق 
    چکیده ــ پیشبینی دقیق قدمت برق، چالشی بزرگ برای شرکت کنندگان و مدیران بازار می باشد، زیرا قیمت الکتریسیته دارای نوسانات بسیاری است. پیشبینی قیمت نیز، مهم ترین هدف مدیریتی برای مشارکت کنندگان در بازار است، چرا که مبانی بیشینه کردن سود را، تشکیل می دهد. این مطالعه، عملکرد یک تکنیک شبکه عصبی جدید را بنام ناشین یادگیری سریع (ELM)، در مساله پیشبینی قیمت، بررسی می کند. با در نظر داشتن خط مربوط به بازهای برق که دارای نوسانات بسیاری در قیمت هستند، تکیه به یک تکنیک، خیلی هم سودمند نمی باشد. بنابراین، ELM با تکنیک موجک همراه شده است و یک مدل پیوندی (مرکب) را به نام WELM (ELM مبتنی بر موجک) را تشکیل داده است تا دقت پیشبینی و نیز قابلیت اطمینان آن را، بهبود بخشد. در این روش، ویژگی های بی همتای هر ابزار، تکریب شده اند تا الگوهای مختلفی را در اطلاعات، بدست آورند. قدرت این تکنیک، با استفاده از روش مجموع شده، بهبود بیشتری می یابد. عملکردهای مدل های ارایه شده، با استفاده از اطلاعات موجود در بازارهای برق انتاریو، PJM، نیویورک و ایتالیا، ارزیابی شده اند. نتایج آزمایشی نشان می دهند که روش پیشنهادی، یکی از مناسب ترین تکنیک های پیشبینی قیمت می باشد.     کلیدواژه ها: شبکه عصبی مصنوعی (ANN)، تجدید ساختار، روش مجموع، ماشین یادگیری سریع (ELM)، پیشبینی قیمت، تبدیل موجک

:: برچسب‌ها: شبکه عصبی مصنوعی , ANN , تجدید ساختار , روش مجموع , ماشین یادگیری سریع , ELM , پیش بینی قیمت , تبدیل موجک , hybrid wavelet-ELM , price forecasting , electricity markets , مقاله انگلیسی برق , مقاله انگلیسی برق با ترجمه , مقاله انگلیسی برق و الکترونیک , مقاله انگلیسی برق با ترجمه فارسی ,
:: بازدید از این مطلب : 49

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

پیش‌بینی موفقیت ERP: یک رهیافت شبکه عصبی مصنوعی
کلیدواژه‌هابرنامه‌ریزی منابع سازمان (ERP) ؛ موفقیت ERP؛ مشخصات/عامل‌های سازمانی؛ شبکه عصبی مصنوعی (ANN) ؛ سیستم خبره
چکیدهبه سیستم برنامه‌ریزی منابع سازمان (ERP) بعنوان نمونه‌ای از سیستم‌های اطلاعات جدید اشاره شده است. با اینحال، دست یافتن به سطح مناسبی از موفقیت ERP متکی به عامل‌های گوناگونی است که این عوامل به یک محیط سازمانی یا پروژه‌ای وابسته هستند. در این مقاله، درمورد ایده پیش‌بینی موفقیت پیش از پیاده‌سازی ERP براساس مشخصات سازمانی، بحث شده است. همچنانکه با نیاز به ایجاد انتظارات از سازمان‌های ERP، یک سیستم خبره با استفاده از روش شبکه عصبی مصنوعی(ANN) برای بیان روابط بین برخی از عوامل سازمانی و موفقیت ERP توسعه داده شد. نقش سیستم خبره در آماده سازی برای به دست آوردن اطلاعات از شرکت های جدید که مایل به پیاده سازیERP هستند، و برای پیش بینی سطح محتمل موفقیت سیستم، است. برای این منظور، عامل‌های مشخصات سازمانی به رسمیت شناخته شده و مدل ANN توسعه داده شده است. سپس، با 171 داده بررسی شده به دست آمده از شرکت‌های خاور میانه که ERP  را تجربه کرده‌اند اعتباردهی می‌شوند. سیستم خبره آموزش دیده، با ضریب همبستگی متوسط 0.744پیش‌بینی می‌کند که نسبتاً بالا است و این ایده وابستگی موفقیت ERP به مشخصات سازمانی را حمایت می کند. علاوه بر این، نرخ طبقه بندی صحیح مجموع 0.685 نشان می دهد قدرت پیش بینی خوب است، که می تواند به پیش بینی موفقیت ERP شرکت‌ها قبل از پیاده سازی سیستم کمک نماید. 

:: برچسب‌ها: برنامه‌ریزی منابع سازمان , ERP , موفقیت ERP , مشخصات/عامل‌های سازمانی , شبکه عصبی مصنوعی , ANN , سیستم خبره , پیش‌بینی موفقیت ERP , مقاله انگلیسی مدیریت با ترجمه فارسی , مقاله انگلیسی مدیریت با ترجمه , مقاله انگلیسی مدیریت , An artificial neural network approach , ERP success prediction ,
:: بازدید از این مطلب : 40

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

برنامه توسعه ی تولید و انتقال، با در نظر گرفتن حد بارگذاری با استفاده از نظریه ی گیم و ANN (شبکه ی عصبی مصنوعی)
چکیده__ در این مقاله برنامه ی توسعه ی تولید و انتقال (TEF , GEP) با در نظرر گرفتن حد بارگذاری سیستم قدرت مطالعه شده است. از روش شبکه های عصبی مصنوعی (ANN) برای ارزیابی حد بارگذاری سیستم قدرت _به دلیل ویژگی های حساسیتش_ استفاده شده است. بازسازی سیستم قدرت و جداسازی سازمان های تصمیم گیرنده ی توسعه ی تولید و انتقال، هماهنگی میان شرکت های تولید و انتقال را حیاتی تر ساخته است. از دیگر سو، پایداری ولتاژ، یکی از مشخصه های سطح امنیتی سیستم قدرت می باشد. در این مقاله، نخست الگوی بار یک سیستم قدرت 6-شینه توسعه یافته، و سپس با استفاده از مشخصه های حساسیت ANN بهترین شین برای افزایش بار، تعیین می شود. آنگاه، ارتباط متقابل استراتژیکی میان شرکت انتقال (trasco) و شرکت تولید (GenCo) برای TEP و GEP در یک بازار برق رقابتی _ با استفاده از تیوری گیم (GT)_ ارایه می شود. الگوریتم ارایه شده از سه مرحله ی بهینه سازی برای تعیین تعادل نش _بطوری که سودمندترین روش برای هردو سوی گیم در یک گیم برنامه ریزی توسعه، یافتنی باشد_ تشکیل می شود.

:: برچسب‌ها: برنامه توسعه ی تولید و انتقال , نظریه ی گیم و ANN , ANN , نظریه ی گیم , شبکه ی عصبی مصنوعی , Transmission , Generation Expansion , Game Theory , Considering Loadability , مقاله انگلیسی برق , مقاله انگلیسی برق و الکترونیک , مقاله انگلیسی برق با ترجمه , مقاله انگلیسی برق با ترجمه فارسی ,
:: بازدید از این مطلب : 40

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

کنترل برداری بدون-سنسورسرعت یک موتور القایی بدون یاتاقان با استفاده از ناظر (Obderver) سرعت معکوس شبکه عصبی مصنوعی
   چکیده__ به منظور جلوگیری از اثر تشخیص سرعت بر پایین آمدن پایداری و دقت سیستم موتور القایی بدون یاتاقان، این مقاله تکنیکی تازه برای مشاهده سرعت با استفاده از روش معکوس شبکه عصبی مصنوعی (ANN)، ارایه می دهد. زیرسیستم درونی تشکیل شده از جریان های سیم پیچی سرعت و گشتاور، مدل شده اند و سپس معکوس سازی آن با استفاده از ANN صورت گرفته است. سرعت موتور، بطور موفقیت بخشی با سری کردن زیرسیستم اصلی با معکوسش، مشاهده شده است. سرعت مشاهده شده به حلقه کنترل سرعت پیشخور (فیربک) شده، و ازینرو درایو برداری بدون سنسور-سرعت محقق می شود. سودمندی این روش، با استفاده از نتایج آزمایشی نشان داده شده است.    اصطلاحات مرتبط__ معکوس شبکه عصبی مصنوعی (ANN)، موتور القایی بدون یاتاقان (BIM)، بدون سنسور سرعت، کنترل برداری.

:: برچسب‌ها: معکوس شبکه عصبی مصنوعی , ANN , موتور القایی بدون یاتاقان , BIM , بدون سنسور سرعت , کنترل برداری , سرعت معکوس شبکه عصبی مصنوعی , Obderver , Speed-Sensorless Vector Control , Bearingless Induction Motor , Artificial Neural Network Inverse Speed Observer , مقاله انگلیسی برق , مقاله انگلیسی برق و الکترونیک , مقاله انگلیسی با ترجمه , مقاله انگلیسی برق با ترجمه , مقاله انگلیسی برق با ترجمه فارسی ,
:: بازدید از این مطلب : 36

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

کاهش فلیکر ولتاژ مبتنی بر ANN (شبکه‌های عصبی مصنوعی) باUPFC و با استفاده از الگوریتم SRF
چکیدهفلیکر ولتاژ، پدیدۀ آزاردهنده نوسان شدت نور، که حاصل تغییر سریع در بارهای صنعتی و خانگی مثل عملکرد دوره‌ای کوره قوسی است، باعث یک نگرانی برای بهره برداران و مشتریان حومه شده است. جریان کوره قوسی شبه پریودیک و دارای فرکانسی حدود 10 Hz است که باعث فلیکر قابل لمس (قابل درک) می‌شود. ادوات FACTS مثل SVCها، STATCOM، UPFC و تجهیزات خاص برقی مثل DSTATCOM با کنترل سریع توان راکتیو قادر به حل مسائل فلیکر ولتاژ بوده‌اند. اما؛ کنترل توان اکتیو در کنار کنترل توان راکتیو باعث حل بهتر و موثرتر مساله فلیکر ولتاژ می‌شود. در این مقاله، کاهش فلیکر ولتاژ به کمک UPFC توسط نرم افزار MATLAB تحلیل می‌شود. الگوریتم کنترلی مبتنی بر ANN، فلیکر را به خوبی کنترل می‌کند. این الگوریتم کنترلی مبتنی است بر روش قاب مرجع سنکرون (SRF). این الگوریتم توان‌های اکتیو و راکتیو را به‌طور همزمان کنترل می‌کند. وقتی مبدل سری UPFC فلیکر ولتاژ را اصلاح می‌کند، مبدل شنت ذخیره انرژی لینک dc را تدارک می‌بیند. برای حفظ ولتاژ لینک dc از یک مدار خودشارژکننده استفاده شده است. عملکرد دینامیکی به کمک این الگوریتم بررسی می‌شود. 

:: برچسب‌ها: فلیکر ولتاژ , شبکه‌های عصبی مصنوعی , ANN , UPFC , SRF , Voltage Flicker Mitigation , SRF Algorithm , مقاله برق , مقاله انگلیسی برق , مقاله انگلیسی برق با ترجمه , مقاله انگلیسی برق با ترجمه فارسی ,
:: بازدید از این مطلب : 50

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

:: برچسب‌ها: عنوان , پایان , نامه , :پیش , بینی , خالص , مصرف , انرزی , با , شاخص , های , اقتصادی , با , استفاده , از , شبکه , های , عصبی , مصنوعی , ANN , در , مقابل ,
:: بازدید از این مطلب : 47

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

پیش‌بینی موفقیت ERP: یک رهیافت شبکه عصبی مصنوعی
کلیدواژه‌هابرنامه‌ریزی منابع سازمان (ERP) ؛ موفقیت ERP؛ مشخصات/عامل‌های سازمانی؛ شبکه عصبی مصنوعی (ANN) ؛ سیستم خبره
چکیدهبه سیستم برنامه‌ریزی منابع سازمان (ERP) بعنوان نمونه‌ای از سیستم‌های اطلاعات جدید اشاره شده است. با اینحال، دست یافتن به سطح مناسبی از موفقیت ERP متکی به عامل‌های گوناگونی است که این عوامل به یک محیط سازمانی یا پروژه‌ای وابسته هستند. در این مقاله، درمورد ایده پیش‌بینی موفقیت پیش از پیاده‌سازی ERP براساس مشخصات سازمانی، بحث شده است. همچنانکه با نیاز به ایجاد انتظارات از سازمان‌های ERP، یک سیستم خبره با استفاده از روش شبکه عصبی مصنوعی(ANN) برای بیان روابط بین برخی از عوامل سازمانی و موفقیت ERP توسعه داده شد. نقش سیستم خبره در آماده سازی برای به دست آوردن اطلاعات از شرکت های جدید که مایل به پیاده سازیERP هستند، و برای پیش بینی سطح محتمل موفقیت سیستم، است. برای این منظور، عامل‌های مشخصات سازمانی به رسمیت شناخته شده و مدل ANN توسعه داده شده است. سپس، با 171 داده بررسی شده به دست آمده از شرکت‌های خاور میانه که ERP  را تجربه کرده‌اند اعتباردهی می‌شوند. سیستم خبره آموزش دیده، با ضریب همبستگی متوسط 0.744پیش‌بینی می‌کند که نسبتاً بالا است و این ایده وابستگی موفقیت ERP به مشخصات سازمانی را حمایت می کند. علاوه بر این، نرخ طبقه بندی صحیح مجموع 0.685 نشان می دهد قدرت پیش بینی خوب است، که می تواند به پیش بینی موفقیت ERP شرکت‌ها قبل از پیاده سازی سیستم کمک نماید. 

:: برچسب‌ها: برنامه‌ریزی منابع سازمان , موفقیت ERP , عامل‌های سازمانی , مشخصات سازمانی , شبکه عصبی مصنوعی , سیستم خبره , ERP , ANN , مقاله انگلیسی کامپیوتر با ترجمه فارسی , مقاله انگلیسی کامپیوتر با ترجمه , مقاله انگلیسی کامپیوتر , ERP success prediction , artificial neural network approach ,
:: بازدید از این مطلب : 79

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

توسعه مدل های رشد قابلیت اطمینان نرم افزاری برای کاربردهای صنعتی با استفاده از منطق فازی
چکیده صورت مسأله : استفاده از مدل های رشد قابلیت اطمینان نرم افزار (SRGM) نقش مهمی در نظارت بر پیشرفت، پیش بینی دقیق تعداد خطاها در نرم افزار در طول هر دو فرایند توسعه و آزمایش بازی می کند. تاریخ انتشار محصولات نرم افزار را تعریف  میکند، و به تخصیص منابع و برآورد هزینه تعمیر و نگهداری نرم افزار کمک میکند. این امر منجر به دستیابی به سطح اطمینان مورد نیاز یک محصول نرم افزار میشود.رویکرد: ما استفاده از منطق فازی در ساخت SRGM  را به منظور برآورد خطاهای نرم افزاری مورد انتظار در طول فرآیند آزمایش مورد بررسی قرار میدهیم. نتایج : مدل فازی پیشنهادی شامل مجموعه ای از زیر مدل های خطی، .....نتیجه گیری: مدل های توسعه یافته قابلیت های مدل سازی با کارایی بالا را فراهم میکنند.
واژه های کلیدی:  مدل های رشد قابلیت اطمینان نرم افزار (SRGM)،تکنیک Takagi-Sugeno ، منطق فازی (FL) ، شبکه های عصبی مصنوعی (ANN) ، برنامه نویسی ژنتیک (GP)، ساختار مدل، مدل رگرسیون خطی، فضایی ناسا

:: برچسب‌ها: مدل های رشد قابلیت اطمینان نرم افزار , SRGM , تکنیک Takagi-Sugeno , منطق فازی , FL , شبکه های عصبی مصنوعی , ANN , برنامه نویسی ژنتیک , GP , ساختار مدل , مدل رگرسیون خطی , فضایی ناسا , مقاله انگلیسی کامپیوتر با ترجمه فارسی , مقاله انگلیسی کامپیوتر با ترجمه , مقاله انگلیسی کامپیوتر , Software Reliability Growth Models , Industrial Applications , Fuzzy Logic ,
:: بازدید از این مطلب : 83

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

توسعه یک آنالیز و کنترل زمان-واقعی مبنی بر FPGA برای واسط های تولید توزیع شده
    چکیده__ انرژِ بدست آمده از منابع تجدید پذیر این روزها بسیار مهم شده اند، و این اساسا بدلیل سهم ناچیزشان در تولید گازهای گلخانه ای است. مساله ای که مطرح می شود این است که چطور می توان این منابع جدید را به شبکه های سنتی برق اضافه کرد، بطوری که بازده و قابلیت اطمینان این سیستم های تولید توزیع شده (DG) بیشینه شود. سخت افزار مورد نیاز برای این کار بطور کلی یک اینورتر منبع ولتاژی (VSI) است که یک بار معمولی _مانند کاربردهای تک-فاز مسکونی و تجاری_ را تامین کند. همچنین، فرآیند بهینه سازی نایزمند تجزیه تحلیل های معمولی توان می باشد. این مقاله توسعه و ارزیابی های آزمایشی یک سیستم کنترل توان برای یک VSI متصل به شبکه تک-فاز، شامل تحلیل توان را، با استفاده از یک پردازشگر برای پیاده سازی کنترل _یک مدار "آرایه کیت قابل برنامه ریزی میدان" (FPGA)_ ارایه می دهد. ساختار جدید سخت افزار شبکه عصبی خطی تطبیقی (ADALINE)، پیاده سازی الگوریتم های سیستم قدرت را ممکن ساخته، و همچنین اجازه تحلیل زمان-واقعی هارمونیک های مرتبه-بالا را بدون افزایش دادن ناحیه پیاده سازی مدار FPGA، خواهد داد. این ویژگی ها برای واسط های الکترونیک قدرتی DG جدید ایده آل می باشد، که می توان از آن نه تنها برای فرستادن توان اکتیو، بلکه برای جبران سازی هارمونیک ها و توان راکتیو نیز، استفاده کرد. شبیه سازی و نتایج تجربی طرح های پیشنهادی با فرکانس های ثابت و متغیر نیز، پیوست شده اند تا اعتبار انها مورد تاکید قرار گیرد.
    اصطلاحات مربوط__ شبکه عصبی مصنوعی (ANN)، تولید توان توزیع شده، تجزیه و تحلیل توان، آرایه های منطقی قابل برنامه ریزی، اندازه گیری توان، اعوجاج هارمونیکی کل.

:: برچسب‌ها: شبکه عصبی مصنوعی , ANN , تولید توان توزیع شده , تجزیه و تحلیل توان , آرایه های منطقی قابل برنامه ریزی , اندازه گیری توان , اعوجاج هارمونیکی کل , Development , FPGA Based Real-Time Power Analysis , Control , Distributed Generation Interface , مقاله انگلیسی برق , مقاله انگلیسی برق و الکترونیک , مقاله انگلیسی برق با ترجمه , مقاله انگلیسی برق با ترجمه فارسی ,
:: بازدید از این مطلب : 95

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

پروژه مطالعاتی راجع به "پیش بینی انقباض خشک بتن با کمک شبکه عصبی مصنوعی " است. شامل فایلهای اصل مقاله انگلیسی و ترجمه و همچنین پاورپینت مربوط به آن.

:: برچسب‌ها: شبکه عصبی مصنوعی , ANN , شبکه پرسپترون , انقباض خشک شدگی بتن , MSE ,
:: بازدید از این مطلب : 84

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0

:: برچسب‌ها: پیش , بینی , خالص , مصرف , انرژی , با , شاخص , های , اقتصادی , ،با , استفاده , از , شبکه , های , عصبی , مصنوعی , ، , ANN , در , مقابل ,
:: بازدید از این مطلب : 85

|

امتیاز مطلب : 0

|

تعداد امتیازدهندگان : 0

|

مجموع امتیاز : 0