ترغب بنشر مسار تعليمي؟ اضغط هنا

تدرس هذه المقالة منهجية جديدة لتحديد وجود العطل من عدمه، و تصنيف الاعطال في الوقت الحقيقي بالاعتماد على الشبكات العصبونية في خطوط نقل القدرة الكهربائية. تعتمد هذه الخوارزمية على استخدام إشارات الجهود، و التيارات بوصفها يمثل دخل للشبكات العصبونية بعد تقطيعها بتردد تقطيع 1 KHz، و بدون استخدام نافذة بيانات متحركة، حيث ان إشارات الدخل تعالج لحظياً على شكل سلسلة من البيانات المتلاحقة. يعتمد النموذج على ثلاث شبكات عصبونية يعالج كل منها بيانات طور من الأطوار بالإضافة الى شبكة عصبونية رابعة للجهد و التيار الصفريين. يتمكن هذا النظام من تحديد نوع العطل خلال زمن لا يتجاوز الـ 5 ميلي ثانية. تتطلب أنظمة القدرة الحديثة تقنية دقيقة و سريعة للمعالجة في الوقت الحقيقي. تبين دراسات المحاكاة أن التقنية المقترحة قادرة على تمييز حالات العطل المختلفة بشكل دقيق جداً، و قد نجحت هذه التقنية في تحديد جميع أنواع الأعطال تحت شروط النظام المختلفة، بالتالي فإنها دقيقة بنسبة 100% و مناسبة للتطبيق في الزمن الحقيقي.
تهدف هذه الدراسة إلى تحديد العناصر المناخية الأكثر تأثيرا على علاقة الهطل - جريان لنهر الكبير الشمالي, باستخدام الشبكات العصبية الاصطناعية. حيث احتوت مدخلات الشبكات العصبية على الهطل المطري و التدفق في النهر, وفق تأخرات زمنية مختلفة, بالإضافة إلى هنص ر من العناصر المناخية في كل نموذج من النماذج, لتحديد النموذج الأفضل و الأكثر دقة.
يقدم هذا البحث تقنية جديدة لتحسين عامل الاستطاعة بالاعتماد على الشبكات العصبونية الاصطناعية. حيث يتم التحكم بمحرك متواقت عن طريق متحكم عصبوني للتعامل مع مشكلة تعويض الاستطاعة الردية للنظام، و ذلك بهدف تحسين عامل الاستطاعة. تم في هذا البحث نمذجة النظ ام الكهربائي و المتحكم العصبوني باستخدام برنامج ماتلاب، و قد بينت النتائج أن هذه الطريقة قد تغلبت على المشاكل التي تحدث عند استخدام الطرق التقليدية (استخدام المكثفات الساكنة)، كالتأخير الزمني و التغيرات الخطوية في تعويض الاستطاعة الردية، بالإضافة إلى السرعة بالمقارنة مع التعويض باستخدام المكثفات.
يعتبر التبخّر مكوّناُ أساسيّاً في الدورة الهيدرولوجيّة، و هو يلعب دوراً مؤثّراً في تطوير و إدارة الموارد المائيّة. تهدف هذه الدراسة إلى التنبّؤ بالتبخّر الإنائي الشهري في محطة حمص المناخيّة باستخدام الشبكات العصبيّة الاصطناعيّة. و قد اعتمدت الدراسة م ن أجل ذلك على القيم الشهريّة لدرجة حرارة الهواء و الرطوبة النسبيّة فقط كمدخلات، واعتمدت التبخّر الإنائي الشهري كمُخرج للشبكة. استُخدمت خوارزميّة الانتشار العكسي في عمليّة تدريب و تحقيق الشبكة مع تغيير طرائق التدريب و عدد الطبقات الخفيّة و عدد العصبونات في كل طبقة منها، و قد أظهرت النتائج القدرة الجيّدة للشبكة العصبيّة الاصطناعيّة ذات الهيكليّة 2-10-1 على التنبؤ بقيم التبخر الإنائي الشهري بمعامل ارتباط كلّي R) 96.786%) و بجذر متوسّط مربّعات الأخطاء RMSE) 24.52 mm/month) لمجموعة البيانات الكاملة، و قد أوصت الدراسة باستخدام تقنية الشبكات العصبية الاصطناعية لتحديد العناصر الأكثر تأثيراً على التبخر.
يهدف هذا البحث إلى التنبؤ بمستوى تلوث الهواء مع مجموعة من البيانات المستخدمة لإجراء التنبؤ من خلالها والوصول لأفضل تنبؤ باستخدام عدة نماذج والمقارنة بينها وإيجاد الحل المناسب.
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا