research centers


Search results: Found 13

Listing 1 - 10 of 13 << page
of 2
>>
Sort by

Article
Predicting the Daily Evaporation in Ramadi City by Using Artificial Neural Network
التنبؤ بالتبخر اليومي باستخدام الشبكات العصبية الصناعية

Author: Atheer Saleem Almawla
Journal: Anbar Journal of Engineering Sciences مجلة الأنبار للعلوم الهندسية ISSN: 19979428 Year: 2017 Volume: 7 Issue: 2 Pages: 134-139
Publisher: University of Anbar جامعة الانبار

Loading...
Loading...
Abstract

In this paper the artificial neural network used to predict dilly evaporation. The model was trained in MATLAB with five inputs. The inputs are Min. Temperature, Max. Temperature, average temperature, wind speed and humidity. The data collected from Alramadi meteorological station for one year. The transfer function models are sigmoid and tangent sigmoid in hidden and output layer, it is the most commonly used nonlinear activation function. The best numbers of neurons used in this paper was three nodes. The results concludes, that the artificial neural network is a good technique for predicting daily evaporation, the empirical equation can be used to compute daily evaporation (Eq.6) with regression more than 96% for all (training, validation and testing) as well as, in this model that the Max. Temperature is a most influence factor in evaporation with importance ratio equal to (30%) then humidity (26%).


Article
Multibiometric Identification System based on SVD and Wavelet Decomposition

Authors: R.A. Hussein --- H.A. Jeiad --- M.N. Abdullah
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2017 Volume: 35 Issue: 1 Part (A) Engineering Pages: 61-67
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

Biometric systems refer to the systems used for human recognition based on their characteristics. These systems are widely used in security institutions and access control. In this work three biometric sources were used for identification purposes. Singular value decomposition (SVD) was employed as a tool for feature extraction and artificial neural network (ANN) was used as pattern recognition for the model. High accuracy was obtained from this work with 95% recognition rate.


Article
SPRING BACK PREDICTION IN V-DIE BENDING PROCESS USING ARTIFICIAL NEURAL NETWORK (ANN)

Author: Mostafa Adel Abdullah
Journal: Al-Qadisiyah Journal for Engineering Sciences مجلة القادسية للعلوم الهندسية ISSN: 19984456 Year: 2017 Volume: 10 Issue: 2 Pages: 180-190
Publisher: Al-Qadisiyah University جامعة القادسية

Loading...
Loading...
Abstract

The Bending process is the critical operation in the sheet forming, there are large parameters influence on operation. Spring back is considering large influential indication to specify the quality of product parts. The basic parameters which are takes to study in this paper are: speed of punch, time of hold and thickness of plate. Experiment use L16 array with four levels for every parameters using V-bending die with 900, with different thickness of (0.5,1,1.5,2) mm ,hold time (0,5,10,15) min and punch speed(10,20,50,100)mm/min, for (1050) Al –alloy having employed as the work pieces. Spring back value prediction use Artificial Neural Network with conventional configuration. The results show that the thickness of plate is the large influential parameter effect in spring back by 77.29%, then punch speed by 10.51% and hold time by 3.36%. The predict result using Artificial Neural Network shown a best accuracy with (99.35%) in spring back compared to the measured value.


Article
Compression Index and Compression Ratio Prediction by Artificial Neural Networks
التنبؤ بمؤشر ونسبة الانضغاط بواسطة الشبكات العصبية الاصطناعية

Authors: Abbas Jawad Al-Taie عباس جواد الطائي --- Ahmed Faleh Al-Bayati احمد فالح البياتي --- Zahir Noori M. Taki زاهر نوري محمد تقي
Journal: Journal of Engineering مجلة الهندسة ISSN: 17264073 25203339 Year: 2017 Volume: 23 Issue: 12 Pages: 96-106
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Information about soil consolidation is essential in geotechnical design. Because of the time and expense involved in performing consolidation tests, equations are required to estimate compression index from soil index properties. Although many empirical equations concerning soil properties have been proposed, such equations may not be appropriate for local situations. The aim of this study is to investigate the consolidation and physical properties of the cohesive soil. Artificial Neural Network (ANN) has been adapted in this investigation to predict the compression index and compression ratio using basic index properties. One hundred and ninety five consolidation results for soils tested at different construction sites in Baghdad city were used. 70% of these results were used to train the prediction ANN models and the rest were equally divided to test and validate the ANN models. The performance of the developed models was examined using the correlation coefficient R. The final models have demonstrated that the ANN has capability for acceptable prediction of compression index and compression ratio. Two equations were proposed to estimate compression index using the connecting weights algorithm, and good agreements with test results were achieved.

ان معرفة خصائص الانضمام للتربة مهم في التصميم الجيوتقني. نظرا للوقت والنفقات المتضمنة في إجراء اختبارات الانضمام، فإن المعادلات التجريبية التي تتضمن مؤشرات خصائص التربة مطلوبة لتقدير مؤشر الانضغاط. وعلى الرغم من اقتراح العديد من المعادلات التجريبية المتعلقة بخصائص التربة، فإن هذه المعادلات قد لا تكون مناسبة للحالات المحلية. الهدف من هذه الدراسة هو إقامة علاقة ارتباط بين خصائص الانضمام والخصائص الفيزيائية للتربة المتماسكة. وقد تم استخدام الشبكة العصبية الاصطناعية (ANN) للتنبؤ بمؤشر ونسبة الانضغاط من الخصائص لأكثر بساطة. تم استخدام مئة وخمسة وتسعين نتيجة اختبار انضمام للتربة التي تم أخذ عيناتها من مواقع البناء المختلفة في مدينة بغداد. استخدمت 70٪ من هذه النتائج لتدريب نماذج الـ(ANN) وباقي النتائج قسمت بالتساوي للاختبار والتحقق من صحة نماذج الـ(ANN). تم فحص أداء النماذج الرياضية المطورة باستخدام معامل الارتباط R. وقد أظهرت النماذج النهائية قدرة الـ(ANN) على التنبؤ باؤشر الانضغاط ونسبة الانضغاط بشكل مقبول. تم اقتراح معادلتين لتقدير مؤشر الانضغاط باستخدام خوارزمية أوزان الربط (connecting weights algorithm)، وتم التوصل إلى تقارب جيد مع نتائج الاختبار


Article
Rigid Trunk Sewer Deterioration Prediction Models using Multiple Discriminant and Neural Network Models in Baghdad City, Iraq
نماذج تنبؤ تدهور المجاري الرئيسية الصلبة باستخدام نماذج متعددة التمايز والشبكات العصبية في مدينة بغداد،العراق

Authors: Rehab Karim Jbbar رحاب كريم جبار --- Basim Hussein Khudair باسم حسين خضير --- Awatif Soaded Alsaqqar عواطف سؤدد عبدالحميد
Journal: Journal of Engineering مجلة الهندسة ISSN: 17264073 25203339 Year: 2017 Volume: 23 Issue: 8 Pages: 70-83
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

The deterioration of buried sewers during their lifetime can be affected by several factors leading to bad performance and can damage the infrastructure similar to other engineering structures. The Hydraulic deterioration of the buried sewers caused by sewer blockages while the structural deterioration caused by sewer collapses due to sewer specifications and the surrounding soil characteristics and the groundwater level. The main objective of this research is to develop deterioration models, which are used to predict changes in sewer condition that can provide assessment tools for determining the serviceability of sewer networks in Baghdad city. Two deterioration models were developed and tested using statistical software SPSS, the multiple discriminant model (MDM) and neural network model (NNM). Zublin trunk sewer in Baghdad city was selected as a case study. The deterioration model based on the NNDM provide the highest overall prediction efficiency which could be attributed to its inherent ability to model complex processes. The MDDM provided relatively low overall prediction efficiency, this may be due to the restrictive assumptions by this model. For the NNDM the confusion matrix gave overall prediction efficiency about 87.3% for model training and 70% for model validation, and the overall conclusion from these models may predict that Zublin trunk sewer is of a poor condition.

يتأثر تدهور المجاري المدفونة خلال فترة عملها بعدة عوامل مما يؤدي الى سوء الاداء وفشل في البنى التحتية كما هو الحال مع بقية المنشات الهندسية. ﺇن التدهور الهيدروليكي للمجاري المدفونة سببه انسداد المجاري بينما التدهور الانشائي فسببه انهيار المجاري بسبب مواصفات المجاري وخصائص التربة المحيطة ومستوى المياه الجوفية. الهدف الرئيسي من هذا البحث هو تطوير نماذج تدهور والتي تستخدم لتنبؤ التغيرات في حالة الصرف الصحي والتي يمكن أن توفر أدوات تقييم وتحديد خدمية لشبكات الصرف الصحي في مدينة بغداد. وقد تم تطوير وفحص نموذجين للتدهور باستخدام برنامج SPSS وهما نموذج متعددة التمايز (MDM) ونموذج الشبكة العصبية (NNM). وقد تم اختيار خط زبلن الناقل للمجاري في مدينة بغداد كحالة دراسية. ﺇن نموذج التدهور المبني على أساس NNDM أعطى أعلى كفاءة للتنبؤ والتي يمكن أن تعزى إلى قدرته الكامنة لنمذجة العمليات المعقدة. أما نموذج MDDM فلقد قدم كفاءة تنبؤ منخفضة نسبيا وهذا قد يكون راجعا إلى الافتراضات المقيدة بواسطة هذا النموذج. بالنسبة لنموذج NNDM أعطت مصفوفة التصنيف كفاءة التنبؤ الإجمالية حوالي 87.3٪ لتدريب النموذج و 70٪ للتأكد من صحة النموذج والاستنتاج العام من هذه النماذج هو التنبؤ بأن خط زبلن الناقل للمجاري في حالة سيئة.


Article
Performance Enhancement Of OFDM Using Intelligent System

Author: Jinan N. Shehab جنان شهاب
Journal: AL-yarmouk Journall مجلة كلية اليرموك الجامعة ISSN: 20752954 Year: 2017 Volume: 9 Issue: 9 Pages: 140-150
Publisher: College Yarmouk University كلية اليرموك الجامعة

Loading...
Loading...
Abstract

Transmission of high data rate in a mobile environment makes the channel highly hostile. To combat with this problem, many techniques were proposed and developed. Orthogonal frequency division multiplexing (OFDM) system is a technique to combat this adverse channel. In this work, a method to enhance the performance of channel estimation in Orthogonal Frequency Division Multiplexing (OFDM) is proposed by using different types of Back-Propagation (BP) for learning the Artificial Neural Network (ANN) to minimize Bit Error Rate (BER) when transmitting data. The proposed method includes learning Feed Forward Neural Network (FNN) and Recurrent Neural Network (RNN) by Conjugate Gradient algorithm, Quasi-Newton algorithm and Bayesian regularization. The comparison among Conjugate Gradient algorithm, Quasi-Newton algorithm and Bayesian regularization depends on the Mean-Scalculation. This work is software implemented with MATLAB (R2013a) technical programming language.quare Error (MSE) convergence and precision generated in the BER

أن ارتفاع معدل نقل البيانات في بيئة المحمول يجعل القناة ذات تأثير سلبي للغاية . ولتقليل هذه المشكلة ، تم اقتراح وتطوير عدة أنظمة. نظام التقسيم الترددي المضاعف المتعامد (OFDM) هو احد التقنيات لمعالجة هذه القناة. في هذا العمل, تم افتراض طريقه لتحسين اداء تخمين القناة في نظام التقسيم الترددي المضاعف المتعامد وذلك باستخدام عدة انواع من خوارزمية الانتشار العكسي لتعليم الشبكة العصبية الاصطناعية لتقليل الخطأ الذي يحصل اثناء نقل البيانات ما بين المرسل والمستلم في نظام التقسيم الترددي المضاعف المتعامد. تتضمن الطريقة المقترحة, تدريب الشبكة العصبية الاصطناعيه ذات التغذية الامامية(FNN) و الشبكة العصبية الاصطناعيه ذات الاسترجاع المتكرر(RNN) باستخدام خوارزمية((Conjucate Gradient algorithm, )Quasi-Newton algorithm BFGS algorithm) and Baysiyan regularization لتعليم الشبكة العصبية الاصطناعية . المقارنة بين هذه الخوارزميات يعتمد على ((MSE لهذه الخوارزميات اثناء تدريب الشبكة العصبية الاصطناعية و BER المحسوبه. تم استخدام برنامج الماتلاب للحصول على النتائج.


Article
Prediction by using Artificial Neural Networks and Box-Jenkins methodologies: Comparison Study
التنبؤ باستخدام اساليب الشبكات العصبية الاصطناعية وبوكس جينكنز: دراسة مقارنة

Loading...
Loading...
Abstract

The variations in exchange rate, especially the sudden unexpected increases and decreases, have significant impact on the national economy of any country. Iraq is no exception; therefore, the accurate forecasting of exchange rate of Iraqi dinar to US dollar plays an important role in the planning and decision-making processes as well as the maintenance of a stable economy in Iraq. This research aims to compare Box-Jenkins methodology to neural networks in terms of forecasting the exchange rate of Iraqi dinar to US dollar based on data provided by the Iraqi Central Bank for the period 30/01/2004 and 30/12/2014.Based on the Mean Square Error (MSE), the Mean Absolute Error (MAE), and the Mean Absolute Percentage Error (MAPE) as criteria to compare the two methodologies, it was concluded that Box-Jenkins is better than neural network approach in forecasting.

ان التقلبات التي تحدث في سعر الصرف ولا سيما الارتفاعات والانخفاضات المفاجئة وغير المتوقعة لها تأثير كبير على الاقتصاد القومي لأي دولة ومنها العراق. لذا فأن التنبؤ الدقيق بسعر صرف الدينار العراقي مقابل الدولار الامريكي له اثر كبير في عملية التخطيط واتخاذ القرار بالإضافة الى المحافظة على التوازن والاستقرار الاقتصادي للعراق .يهدف هذا البحث الى المقارنة بين اسلوب بوكس جينكنز واسلوب الشبكات العصبية الاصطناعية في التنبؤ بسعر صرف الدينار العراقي مقابل الدولار الامريكي بالاعتماد على البيانات المأخوذة من البنك المركزي العراقي للفترة من 30/01/2004 الى 30/12/2014 .وبالاعتماد على متوسط مربع الخطأ MSE ,متوسط مطلق الخطأ MAE ومتوسط مطلق الخطأ النسبي MAPE كمعايير احصائية للمفاضلة بين الاسلوبين تم التوصل الى ان اسلوب بوكس جينكنز أفضل من اسلوب الشبكة العصبية الاصطناعية في التنبؤ.


Article
Prediction by using spectral analysis and artificial neural networks methodologies: Comparison Study
التنبؤ باستخدام التحليل الطيفي والشبكات العصبية الاصطناعية: دراسة مقارنة

Loading...
Loading...
Abstract

The variations in exchange rate, especially the sudden unexpected increases and decreases, have significant impact on the national economy of any country. Iraq is no exception; therefore, the accurate forecasting of exchange rate of Iraqi dinar to US dollar plays an important role in the planning and decision-making processes as well as the maintenance of a stable economy in Iraq. This research aims to compare spectral analysis methodology to artificial neural networks in terms of forecasting the exchange rate of Iraqi dinar to US dollar based on data provided by the Iraqi Central Bank for the period 30/01/2004 and 30/12/2014.Based on the Mean Square Error (MSE), the Mean Absolute Error (MAE), and the Mean Absolute Percentage Error (MAPE) as criteria to compare the two methodologies, it was concluded that is artificial neural networks better than spectral analysis approach in forecasting.

ان التقلبات التي تحدث في سعر الصرف ولا سيما الارتفاعات والانخفاضات المفاجئة وغير المتوقعة لها تأثير كبير على الاقتصاد القومي لأي دولة ومنها العراق. لذا فأن التنبؤ الدقيق بسعر صرف الدينار العراقي مقابل الدولار الامريكي له اثر كبير في عملية التخطيط واتخاذ القرار بالإضافة الى المحافظة على التوازن والاستقرار الاقتصادي للعراق .يهدف هذا البحث الى المقارنة بين اسلوبي التحليل الطيفي و الشبكات العصبية الاصطناعية في التنبؤ بسعر صرف الدينار العراقي مقابل الدولار الامريكي بالاعتماد على البيانات المأخوذة من البنك المركزي العراقي للفترة من 30/01/2004 الى 30/12/2014 .وبالاعتماد على متوسط مربع الخطأ MSE ,متوسط مطلق الخطأ MAE ومتوسط مطلق الخطأ النسبي MAPE كمعايير احصائية للمفاضلة بين الاسلوبين تم التوصل الى ان اسلوب الشبكة العصبية أفضل من اسلوب التحليل الطيفي في التنبؤ.


Article
Model Reference Adaptive Control based on a Self-Recurrent Wavelet Neural Network Utilizing Micro Artificial Immune Systems
نظام سيطرة متكيف ذو موديل مرجعي مبني على شبكة عصبية مويجية ذاتية التكرار باستخدام أنظمة المناعة الصناعية الدقيقة

Authors: Maryam Hassan Dawood مريم حسن داود --- Omar Farouq Lutfy عمر فاروق لطفي
Journal: Al-Khwarizmi Engineering Journal مجلة الخوارزمي الهندسية ISSN: 18181171 23120789 Year: 2017 Volume: 13 Issue: 2 Pages: 107-122
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

This paper presents an intelligent model reference adaptive control (MRAC) utilizing a self-recurrent wavelet neural network (SRWNN) to control nonlinear systems. The proposed SRWNN is an improved version of a previously reported wavelet neural network (WNN). In particular, this improvement was achieved by adopting two modifications to the original WNN structure. These modifications include, firstly, the utilization of a specific initialization phase to improve the convergence to the optimal weight values, and secondly, the inclusion of self-feedback weights to the wavelons of the wavelet layer. Furthermore, an on-line training procedure was proposed to enhance the control performance of the SRWNN-based MRAC. As the training method, the recently developed modified micro artificial immune system (MMAIS) was used to optimize the parameters of the SRWNN. The effectiveness of this control approach was demonstrated by controlling several nonlinear dynamical systems. For each of these systems, several evaluation tests were conducted, including control performance tests, robustness tests, and generalization tests. From these tests, the SRWNN-based MRAC has exhibited its effectiveness regarding accurate control, disturbance rejection, and generalization ability. In addition, a comparative study was made with other related controllers, namely the original WNN, the artificial neural network (ANN), and the modified recurrent network (MRN). The results of these comparison tests indicated the superiority of the SRWNN controller over the other related controllers.

يقدم هذا البحث نظام سيطرة متكيفا ذا موديل مرجعي ذكي باستخدام شبكة عصبية مويجية ذاتية التكرار للسيطرة على الأنظمة اللاخطية. الشبكة المقترحة هي نسخة محسنة لشبكة عصبية مويجية منشورة سابقا. وبالتحديد, هذا التحسين تم انجازه بتبني تعديلين على هيكل الشبكة الاصلي. وهذان التعديلات يتضمنان أولا استخدام مرحلة محددة لتوليد الأوزان لتحسين الاقتراب نحو قيم الأوزان المثلى, وثانيا تضمين أوزان ذاتية الإشارة العائدة لمويجات الطبقة المويجية. فضلا عن ذلك, تم اقتراح طريقة تعليم انية لتحسين أداء نظام السيطرة المقترح. وبوصفها طريقة تعليم, تم استخدام نظام المناعة الصناعي الدقيق المعدل والذي طور حديثا لايجاد القيم المثلى لمعاملات الشبكة المستخدمة. وقد تم عرض كفائة الطريقة المستخدة بالسيطرة على عدة انظمة ديناميكية لاخطية. وقد تم اعتماد عدة اختبارات تقييم لكل نظام مسيطر عليه وهذه الاختبارات تتضمن اختبارات اداء السيطرة و اختبارات المتانة واختبارات التعميم. ومن هذه الاختبارات اظهر النظام المقترح كفائته من حيث دقة السيطرة و رفض المؤثرات الخارجية وقابلية التعميم. بالاضافة لهذه الإختبارات, تم اجراء دراسة مقارنة مع مسيطرات اخرى ذات صلة وبالتحديد الشبكة العصبية المويجية الأصلية و الشبكة العصبية الصناعية والشبكة التكرارية المعدلة. وقد اظهرت نتائج هذه الدراسة تفوق المسيطر المقترح على المسيطرات الأخرى.


Article
Parametric Study of Eccentrically Loaded Concrete Encased Steel Composite Columns Using Artificial Neural Networks

Author: Samoel Mahdi Saleh
Journal: Journal of University of Babylon مجلة جامعة بابل ISSN: 19920652 23128135 Year: 2017 Volume: 25 Issue: 5 Pages: 1668-1683
Publisher: Babylon University جامعة بابل

Loading...
Loading...
Abstract

This paper presents a parametric study to investigate the behavior of eccentrically loaded concrete encased steel composite columns (SRC). The artificial neural network (ANN) technique was adopted in this study by developing an efficient model to predict the behavior of such composite columns, depending on a total of 105 experimental tests for such composite columns with concrete rectangular section encased I-shape structural steel section and subjected to eccentric loads producing bending moment about one of the column section axes. The developed model was used to investigate the effects on the structural behavior of the eccentrically loaded composite columns owing to the steel contribution ratio, the axis of the applied bending, the concrete strength, and the structural steel yield stress by analyzing of 36 SRC specimens with different structural properties. Generally, it is shown that the effect of the axis of applied bending moment on the strength of SRC specimens is directly proportional to steel contribution ratio. It was observed, also, that in spite of the strength of the analyzed composite columns were increased with the increase in the strength of concrete, but the both effects, the axis of the applied bending moment and the increase of structural steel yield stress, are inversely proportional to the increase of concrete strength. The Predicted strengths of SRC specimens from ANN analysis were compared with that calculated using the EC4, giving good agreement reached to a ratio around 0.96.

تم في هذا البحث دراسة لسلوك الاعمدة المغلفة كليا والمركبة من الخرسانة والحديد (SRC) تحت تأثير تحميل لامركزي. تم استخدام تقنية الشبكات العصبية الاصطناعية (ANN) في هذه الدراسة من خلال تطوير نموذج فعال للتنبؤ بسلوك هذه الأعمدة المركبة، بألاعتماد على مجموعه من الاختبارات التجريبية السابقة لمثل هذه الأعمدة المركبة وذات مقاطع مستطيلة تحتوي على مقاطع حديد ذات الشكل (I) والتي بلغ عددها 105 عينة. تم استخدام النموذج المطور من الشبكات العصبية الاصطناعية في تحليل ما يقارب 36 عينة ذات مواصفات انشائية مختلفة لتحديد مدى تأثير كل من نسبة مساهمة الحديد، محور الانحناء الاعظم ام الاصغر، مقاومة الخرسانة ، واجهاد الخضوع لمقطع الحديد على تصرف مثل هكذا اعمدة. وجد أن تأثير محور الانحناء على مقاومة الاعمدة اللتي تم تحليلها يتناسب طرديا مع نسبة مساهمة الحديد. وجد ايضا بأنه وعلى الرغم من الزيادة في مقاومة الاعمدة المغلفة كليا والمركبة من الخرسانة والحديد بزيادة مقاومة الخرسانة الا أن تأثير محور الانحناء واجهاد الخضوع لمقطع الحديد على تصرف هذه الاعمدة يتناسب عكسيا مع الزيادة في مقاومة الخرسانة. كل النتائج المستنبطة من استخدام تقنية الشبكات العصبية الاصطناعية تم مقارنتها مع تلك المحسوبة بأستخدام الطريقة المعتمدة في الكود الاوربي (EC4). حيث وجد بأن معدل نسبة المطابقة بين النتائج وصل الى (0.96).

Listing 1 - 10 of 13 << page
of 2
>>
Sort by
Narrow your search

Resource type

article (13)


Language

English (12)

Arabic and English (1)


Year
From To Submit

2017 (13)