| dc.contributor.author | خانجانی, طیبه | fa_IR |
| dc.contributor.author | عطایی, محمد | fa_IR |
| dc.contributor.author | معلم, پیمان | fa_IR |
| dc.date.accessioned | 1399-07-09T06:17:04Z | fa_IR |
| dc.date.accessioned | 2020-09-30T06:17:04Z | |
| dc.date.available | 1399-07-09T06:17:04Z | fa_IR |
| dc.date.available | 2020-09-30T06:17:04Z | |
| dc.date.issued | 2016-10-22 | en_US |
| dc.date.issued | 1395-08-01 | fa_IR |
| dc.date.submitted | 2014-01-15 | en_US |
| dc.date.submitted | 1392-10-25 | fa_IR |
| dc.identifier.citation | خانجانی, طیبه, عطایی, محمد, معلم, پیمان. (1395). پیش‌بینی سرعت باد با شبکه عصبی RBF بر اساس نظریة آشوب. هوش محاسباتی در مهندسی برق, 7(3), 87-96. doi: 10.22108/isee.2016.20727 | fa_IR |
| dc.identifier.issn | 2251-6530 | |
| dc.identifier.issn | 2252-083X | |
| dc.identifier.uri | https://dx.doi.org/10.22108/isee.2016.20727 | |
| dc.identifier.uri | http://isee.ui.ac.ir/article_20727.html | |
| dc.identifier.uri | https://iranjournals.nlai.ir/handle/123456789/299194 | |
| dc.description.abstract | پیش‌بینی سرعت باد در مواردی همچون کنترل و برنامه‌ریزی جهت قطع و وصل توربینهای بادی و تضمین عملکرد پایدار سیستم میتواند حائز اهمیت باشد که به‌طور کلاسیک به روشهای متعددی صورت میگیرد. در این مقاله، ارائه روشی صرفاً براساس آنالیز دادههای اندازهگیری‌شدة قبلی مدّ نظر است. به این منظور، ضمن بررسی آشوبناک‌بودن دادههای سرعت باد، با ترکیب مفاهیم مربوط به نظریه آشوب و تکنیکهای موجود در پیش‌بینی با استفاده از شبکههای عصبی، روشی جهت پیش‌بینی سرعت باد پیشنهاد شده است. دادههای استفاده‌شده در این تحقیق، اطلاعات ثبت‌شده در ایستگاه ورزنه استان اصفهان است. در این راستا، ابتدا با استفاده از محاسبة بُعد همبستگی از روی سری زمانی مفروض، آشوبناک‌بودن دینامیک سیستم مولد این دادهها اثبات شده و سپس فضای حالت سیستم دینامیکی مولد بازسازی شده است. بدین‌منظور از روش FNN برای محاسبه بعد محاط و از روش AMI برای محاسبه زمان تأخیر جهت بازسازی فضای حالت استفاده شده است. در ادامه شبکه عصبی RBF جهت پیش‌بینی سرعت باد پیشنهاد شده است که ساختار آن با استفاده از اطلاعات بعد محاط و زمان تأخیر محاسبه‌شده طراحی شده است. در پایان، روش پیشنهادی بر روی دادههای عملی، اعمال و نتایج بیان شده است.<br /> | fa_IR |
| dc.format.extent | 441 | |
| dc.format.mimetype | application/pdf | |
| dc.language | فارسی | |
| dc.language.iso | fa_IR | |
| dc.publisher | معاونت پژوهش و فناوری دانشگاه اصفهان | fa_IR |
| dc.publisher | University of Isfahan | en_US |
| dc.relation.ispartof | هوش محاسباتی در مهندسی برق | fa_IR |
| dc.relation.ispartof | Computational Intelligence in Electrical Engineering | en_US |
| dc.relation.isversionof | https://dx.doi.org/10.22108/isee.2016.20727 | |
| dc.subject | آشوب | fa_IR |
| dc.subject | پیش‌بینی | fa_IR |
| dc.subject | سرعت باد | fa_IR |
| dc.subject | سریهای زمانی | fa_IR |
| dc.subject | شبکه عصبی RBF | fa_IR |
| dc.title | پیش‌بینی سرعت باد با شبکه عصبی RBF بر اساس نظریة آشوب | fa_IR |
| dc.type | Text | en_US |
| dc.type | مقاله علمی فارسی | fa_IR |
| dc.contributor.department | - دانشجوی کارشنای ارشد، گروه مهندسی برق- دانشکده فنی و مهندسی- دانشگاه اصفهان- اصفهان- ایران | fa_IR |
| dc.contributor.department | - دانشیار، گروه مهندسی برق- دانشکده فنی و مهندسی - دانشگاه اصفهان- اصفهان- ایران | fa_IR |
| dc.contributor.department | استاد، گروه مهندسی برق- دانشکده فنی و مهندسی -دانشگاه اصفهان- اصفهان- ایران | fa_IR |
| dc.citation.volume | 7 | |
| dc.citation.issue | 3 | |
| dc.citation.spage | 87 | |
| dc.citation.epage | 96 | |
