مقاله در مورد تخمین پارامترهای احتمال

اختصاصی از یاری فایل مقاله در مورد تخمین پارامترهای احتمال دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

 تعداد صفحه19

بخشی از فهرست مطالب 1-4 : روش احتمال شرطی

1. 1.1- نمونه های طبقه بندی درمسائل آماری :

4.1.2-احتمال آماری در مسئله های برگشتی :

تخمین پارامترهای احتمال:                                                

با توجه به بحث انجام شده دردرس 3 ، پایه قانون PFS  شامل تئوری  فازی است که نتایج چندگانه ای دارد . هر نتیجه به یک پارامتراحتمال مربوط می شود . این درس به احتمال تخمین پارامترها درPFS مربوط می شود . در این درس فرض بر این است که هم  مقدمه وهم نتیجه  mfsبه یک اندازه تعیین کننده هستند واحتیاجی    به بهینه سازی بیشتر نمی باشد . طبقه بندی مسئله ها وتخمین  mfs دردرس 5         ملاحظه می شود. دردرس16و18و34 پارامترهای احتمال به وسیله تئوری فازی تخمین زده می شوندو برای تخمین احتمالات شرطی ازفرمولهای اماری استفاده می شود (همانطور که دردرس 35 می بینیم ) این روش برای تخمین پارامترهای تخمین است وهمچنین دریاداوری نظریه ها به روش احنمال شرطی اشاره می کند . دراین درس نشان خواهیم دادکه روش احتمال شرطی کلا نتیجه بهینه ودقت مورد تاییدی دردوره های PFS نمی دهد . متناوبا هدف این است که ازحداکثر احتمال درست نمایی معیار ML برای تخمین پارامترهای احتمالی PFS استفاده شود . درادامه این درس الگوهایی وجود دارد . درقسمت (1-4 ) روش احتمال شرطی برای تخمین پارامترهای احتمال در PFSمورد بحث قرار می گیرد. همچنین نشان خواهیم داد هم مسئله ها ی طبقه بندی وهم مسئله های  برگشتی که به وسیله      پارامترهای احتمال تخمین زده می شوند روش احتمال شرطی غیرواقعی ، غیرواقعی مجانبی ،  و ناهماهنگ می باشند که معیارهای ML را پاسخگو نمی باشند . در قسمت (2-4) برای تخمین پارامترهای احتمال در PFS معرفی یک روش جدید هدف می باشد . این روش بر پایه معیار ML می باشد . همچنین در قسمت 2-4نمونه هایی ازبهینه سازی مسئله که نتیجه معیار  MLمی باشد مورد بررسی قرار می گیرد . توجه کنید که درتوصیف ازمایشها دردرس5 روش احتمال شرطی وروش ML به صورت تجربی به وسیله ارتباط ان روشها با مسئله های عددی طبقه بندی شده  با هم مقایسه می شوند.

تخمین پاسخ های لرزه ای قاب های بتن آرمه با استفاده از تحلیل پوش اور مودال اصلاحی تحت اثر رکوردهای نزدیک گسل

اختصاصی از یاری فایل تخمین پاسخ های لرزه ای قاب های بتن آرمه با استفاده از تحلیل پوش اور مودال اصلاحی تحت اثر رکوردهای نزدیک گسل دانلود با لینک مستقیم و پر سرعت .

• مقاله با عنوان: تخمین پاسخ های لرزه ای قاب های بتن آرمه با استفاده از تحلیل پوش اور مودال اصلاحی تحت اثر رکوردهای نزدیک گسل  

• نویسندگان: سامان یغمایی سابق ، یاسین قادری  

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

• فرمت فایل: PDF و شامل 8 صفحه می باشد.

چکیــــده:

در تحلیل پوش آور مودال (MPA) ، جابجایی بام و برش پایه برای تشکیل منحنی ظرفیت سیستم تک درجه آزادی معادل مورد استفاده قرار می گیرد. توصیف رفتار یک سازه با استفاده از جابجایی بام خصوصاً در مواردی که جابجایی بام با جابجایی سایر طبقات متناسب نمی باشد، چندان منطقی به نظر نمی رسد. به همین دلیل در روش پوش اور مودال اصلاح شده در این مقاله جهت تشکیل منحنی ظرفیت از روشی مبتنی بر انرژی که در آن جابجایی ها و نیروهای برش تمام طبقات سازه لحاظ می شود، بهره گرفته شده است. نتایج روش پیشنهادی این مقاله با نتایج حاصل از روش پوش اور مودال متعارف تحت اثر رکوردهای نزدیک گسل بر روی قاب های خمشی منظم بتن آرمه مقایسه و دقت این روش در تخمین پاسخ های لرزه ای مانند جابجایی های کلی و نسبی طبقات مورد بحث و بررسی قرار گرفته است. مطابق نتایج به دست آمده روش پوش اور مودال در قاب کوتاه مرتبه دارای خطای کمتری بوده و روش پوش اور مودال اصلاحی در قاب های میان مرتبه و بلند مرتبه به نتایج دقیق تری منجر شده است.

________________________________

** 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. **

تخمین جابجایی لرزه ای دیوار حایل وزنی در خاک های ماسه ای رس دار

اختصاصی از یاری فایل تخمین جابجایی لرزه ای دیوار حایل وزنی در خاک های ماسه ای رس دار دانلود با لینک مستقیم و پر سرعت .

• مقاله با عنوان: تخمین جابجایی لرزه ای دیوار حایل وزنی در خاک های ماسه ای رس دار  

• نویسندگان: محمد اسمعیل مداح ، محمود نیکخواه شهمیرزادی ، رحمان شریفی  

• محل انتشار: نهمین کنگره ملی مهندسی عمران - دانشگاه فردوسی مشهد - 21 تا 22 اردیبهشت 95  

• فرمت فایل: PDF و شامل 8 صفحه می باشد.

چکیــــده:

دیوارهای حایل در مناطقی که از نظر لرزه ای فعال هستند نیز مورد استفاده قرار می گیرند. نیروهای وارد بر دیوار در اثر زلزله به عواملی مانند رفتار خاک زیر دیوار، رفتار خاکریز پشت آن، رفتار خمشی و اینرسی دیوار و طبیعت حرکات ورودی بستگی دارد. طراحی دیوار برای پایداری در مقابل خطرات زلزله در مناطق لرزه خیز، از طریق تحلیل رفتار لرزه ای سیستم سازه - خاک انجام می شود. روش های مبتنی بر نیرو (روش شبه استاتیکی، روش شبه دینامیکی) و روش های مبتنی بر تغییر مکان (یا روش طراحی بر اساس عملکرد) که بر پایه نظریه بلوک لغزشی نیومارک قرار دارند، از جمله روش های اصلی تحلیل لرزه ای دیوارهای حایل محسوب می شوند. جهت تحلیل دینامیکی دیواره ای حایل از روش های عددی نیز می توان استفاده نمود.

در این مقاله با استفاده از فاکتور منحصر به فرد طراحی Fd، برگرفته از روش بلوک لغزشی نیومارک که با استفاده از تحلیل عددی توسط نرم افزار اجزای محدود ABAQUS بدست آمده، نموداری جهت تخمین جابجایی های افقی بالا و پایین دیوار حایل وزنی تحت اثر زلزله روی خاک های ماسه ای رس دار ارائه گردیده است.

________________________________

** 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. **

تخمین مدل و استنتاج آماری

اختصاصی از یاری فایل تخمین مدل و استنتاج آماری دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : word(قابل ویرایش)تعداد صفحات27

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 :
Yt = Yt-1+Ut
Ut جمله خطای تصادفی است که فرض می شود بوسیله یک فرآیند تصادفی مستقل (White Noise) بوجود آمده است. (یعنی دارای میانگین صفر، واریانس ثابت و غیر همبسته می باشد).
خواننده می تواند تشخیص دهد که معادله فوق، یک معادلخ خود رگرسیون مرتبه اول یا AR(1) می باشد. در این معادله مقدار Y در زمان t بر روی مقدار آن در زمان (t-1) رگرس شده است. حال اگر ضریب Yt-1 برابر یک شود مواجه با مساله ریشه واحد می شویم. یعنی این امر بیانگر وضعیت غیر ایستایی سری زمانی Yt می باشد. بنابراین اگر رگرسیون زیر را اجرا کنیم:

دانلود مقاله تخمین خبرة ضریب شدت جریان سرریزهای لبه تیز زاویه دارمستطیلی با استفاده از شبکة عصبی مصنوعی

اختصاصی از یاری فایل دانلود مقاله تخمین خبرة ضریب شدت جریان سرریزهای لبه تیز زاویه دارمستطیلی با استفاده از شبکة عصبی مصنوعی دانلود با لینک مستقیم و پر سرعت .

دانلود مقاله با موضوع تخمین خبرة ضریب شدت جریان سرریزهای لبه تیز زاویه دارمستطیلی با استفاده از شبکة عصبی مصنوعی

نوع فایل : PDF 

تعداد صفحات : 8

شرح محتوا

چکیده مقاله:

به علت دقت بالا وکاربرد ساده سرریزهای لبه تیز، این وسایل یکی از قدیمی ترین وسیله های اندازه گیری وکنترل جریان درکانالهای باز، آزمایشگاه و طبیعت هستند. بررسی های انجام شده نمایانگراین مطلب است که بیشتر مطالعات روی سرریزهای لبه تیز قائم با مقاطع مختلف هندسی صورت گرفته و روابط مختلفی برای ضریب شدت جریان بر اساس پارامترهای مختلف ارائه شده است. اما، شناخت کمتری نسبت به سرریزهای زاویه دار وجود دارد. از آنجا که انجام مطالعات آزمایشگاهی برروی مدل فیزیکی این سرریزها مشکلات و محدودیتهایی به همراه دارد، دراین مقاله از یک مدل شبکة عصبی مصنوعی برای بررسی تأثیر پارامترهای مختلف بر روی ضریب شدت جریان درسرریزهای مذکوراستفاده شده است. شبکة عصبی مصنوعی مورد استفاده از نوع پرسپترون چندلایه با قانون یادگیری پس انتشار خطا بوده و با ایجاد نگاشتی غیرخطی میان پارامترهای ارتفاع آب ، ( h ارتفاع آب بالای سرریز ( 1 ، (p) ارتفاع سرریز ، (α ) مؤثر بر ضریب شدت جریان شامل زاویه سرریز و نسبت استغراق( ) ( h پایی ندست سرریز ( 2 12 h راتعیین می نماید. آنگاه (Cd) چگونگی تأثیر آنها برضریب شد تجریان ، h با بررسی ویژگیهای شبکة عصبی طراحی شده، عملکرد آن با نتایج حاصل از مدلسازی فیزیکی بررسی شده و به نکات مهمی در کاربرد این روش اشاره شده است

کلیدواژه‌ها:

سرریز زاویه دار، ضریب شدت جریان، زاویه سرریز، ارتفاع سرریز، شبکه عصبی مصنوعی، پرسپترون چندلایه