پس از انتخاب کلید عضویت در انتهای صفحه جدیدی که باز خواهد شد، اطلاعات خود را تکمیل و عضویت خود را تایید نمایید
درباره وب سايت
مرجع آموزش زمین شناسی، سنجش از دور، معدن و عمران
جامع ترین و معتبرترین آموزش برای نرم افزار های زمین شناسی، مهندسی معدن، ژئومکانیک (مکانیک سنگ و ژئوتکنیک)، عمران (خاک و پی)
............................................
رزومه مدرسان:دانشجویان کارشناسی ارشد و دکترا رشته های مهندسی معدن و عمران دانشگاه صنعتی امیرکبیر (پلی تکنیک) تهران
جهت آموزش حضوری و غیر حضوری (آنلاین و تهیه فیلم آموزشی) نرم افزار ها با شماره های زیر تماس حاصل فرمایید............................................
09157330367-09381295869 اسمعیلی-مدیریت وبسایت........ ................................................ در صورتی که موفق نشدید با شماره های فوق تماس حاصل فرمایید از طربق ایمیل زیر نیز می توانید در خواست خودتان را مطرح نمایید.......................................
raminesmaeili68@gmail.com
...................این سایت در ستاد ساماندهی پایگاه های اینترنتی به ثبت رسیده است و تمامی محصولات و خدمات این سایت حسب مورد دارای مجوز های لازم از مراجع مربوطه می باشد. همچنین فعالیت های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران است
خبرنامه
براي اطلاع از آپيدت شدن وبلاگ در خبرنامه وبلاگ عضو شويد تا جديدترين مطالب به ايميل شما ارسال شود
اولین پکیج آموزشی کنکور دکتری مکانیک سنگ معدن (+پاسخ تشریحی سوالات 11 دوره اخیر کنکور) خرید آنلاین بیش از 55 ساعت فیلم آموزشی و دانلود بلافاصله پس از خرید
مدلي جديد در شبیه سازی سیگنال تاريخچه زماني زلزله به کمک شبکه های عصبي مصنوعي و الگوريتم های تکاملي
خلاصه امروزه بدلیل استفاده روز افزون از تحلیل دينامیکي تاريخچه زماني براي محاسبه پاسخ سیستمها، تولید شتابنگاشتهاي مصنوعي مناسب، به علتکمبود رکوردهاي ثبت شده زلزله و همچنین محدوديت و اشکالات موجود در آنها، ضروري بوده و مي تواند بسیار مفید باشد. در روش پیشنهادي اينمقاله ابتدا تعدادي شتابنگاشت آموزشي بر اساس سرعت موج برشي زير ايستگاه ثبت کننده به دو گروه خاک و سنگ تقسیم مي شوند؛ سپس بااستفاده از تبديل ويولت به آنالیز آنها ميپردازيم. در اين مقاله از توانايي يادگیري شبکههاي عصبي مصنوعي براي نگاشت معکوس از طیف پاسخ بهضرايب تبديل ويولت استفاده ميشود، به موازات استفاده از الگوريتمهاي آموزشي موجود براي شبکههاي عصبي مصنوعي از توانايي الگوريتمهايتکاملي براي جستجو در يک فضاي گسترده استفاده شده تا ماتريسهاي وزن و باياس شبکهها بهینه شوند و از همگرا شدن شبکهها در نقاط بهینه محليجلوگیري گردد. در روش پیشنهادي از الگوي ضرائب MFCC (Mel Frequency Cepstral Coefficients) جهت فشرده سازي اطلاعاتسیگنالهاي زلزله، استفاده خواهد شد . در پايان اين شبکهها توسط رکوردهاي موجود زلزلههاي ايران آموزش داده ميشوند، بعد از آموزش شبکهها بر اساس طیف پاسخ موجود، شتابنگاشت نظیر هر طیف پاسخ را بدست ميآوريم.
کلمات کليدي:
شتابنگاشت مصنوعی زلزله . شبکه عصبی مصنوعی . تبدیل موجک . الگوریتمهاي تکاملی . آناليز MFCC
بررسی روشهای افزایش رزولووشن دادههای لرزهای و ارزیابی میزان اثر تبدیل موجک پایا روی یک ردلرزه مصنوعی
چکیده : موجکها نمونههای انتقال یافته و مقیاس شده یک تابع )موجک مادر( با طول متناهی و نوسانی شدیداً میرا هستند. امروزه تبدیل موجک و تخمین آن یکی از مراحل مهم در پردازش و تفسیر دادههای لرزهای است. تبدیل موجک در اجرای واهمامیخت و تهیه ردلرزه مصنوعی تاثیر بسزایی دارد. در این مقاله ابتدا به کاربردهای تبدیل موجک در دادههای لرزهای اشاره شده است و در مرحله بعد روشهایی که برای افزایش قدرت تفکیک دادههای لرزهای مورد استفاده قرار گرفتهاند بررسی شده است. در ادامه بمنظور بررسی میزان اثر تبدیل موجک گسسته (در این جا از تبدیل موجک گسسته پایا استفاده شده است.) بر روی یک ردلرزه الگوریتمی نوشته شد که نتایج این الگوریتم بیانگر این است که هر چه مراحل تجزیه در تبدیل موجک گسسته بیشتر باشد دارای دقت زمانی بیشتری خواهیم بود. در بازه زمانی خاص این ویژگی میتوان برای کاهش نوفهها از سیگنال مورد نظر و همچنین برای افزایش قدرت تفکیک دادههای لرزهای استفاده کرد.
کلمات کلیدی :
افزایش رزولووشن ، تبدیل موجک ، ردلرزه ، سری بازتاب ، سیگنال ، نوفه
این سایت در ستاد ساماندهی پایگاه های اینترنتی به ثبت رسیده است و تمامی محصولات و خدمات این سایت حسب مورد دارای مجوز های لازم از مراجع مربوطه می باشد همچنین فعالیت های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران می باشد.
عضو شوید
عضویت سریع
آمار
مطالب
آمار بازدید
