research centers


Search results: Found 6

Listing 1 - 6 of 6
Sort by

Article
Monitoring software risks based on integrated AHP-ANN method

Authors: Jaber Ibrahim Naser --- Hussein Ali Ghadhban Alsalman
Journal: Journal of Al-Qadisiyah for Computer Science and Mathematics مجلة القادسية لعلوم الحاسوب والرياضيات ISSN: 20740204 / 25213504 Year: 2019 Volume: 11 Issue: 1 Pages: Comp Page 18-26
Publisher: Al-Qadisiyah University جامعة القادسية

Loading...
Loading...
Abstract

Software risk management refers to systematic process for analyzing and identifying the project risks. The present paper provides a hybrid method for IT software risks identification. Software projects possess different features which increase the project failure possibilities. Therefore, the present work integrate the Artificial Neural network with the Analytic Hierarchy Process (AHP-ANN) in order to solve the problem of software project estimation in early stage. The questionnaire developed to find out the risk functional model and provide the proposed method with proper data. The results observe a major common risk in software projects is the insufficient knowledge based on different software project life cycle stages. Also, there are some other important factors in software projects such as lack of good estimation in project scheduling, poor definition of project requirements which cause human errors.

Keywords

ANN --- AHP --- risk identification .


Article
Predicate the Ability of Extracorporeal Shock Wave Lithotripsy (ESWL) to treat the Kidney Stones by used Combined Classifier

Authors: Samera Shams Hussein --- Lubab Ahmed Tawfeeq --- Sukaina Sh Altyar
Journal: Journal of Al-Qadisiyah for Computer Science and Mathematics مجلة القادسية لعلوم الحاسوب والرياضيات ISSN: 20740204 / 25213504 Year: 2019 Volume: 11 Issue: 1 Pages: Comp Page 41-52
Publisher: Al-Qadisiyah University جامعة القادسية

Loading...
Loading...
Abstract

Extracorporeal Shock Wave Lithotripsy (ESWL) is the most commonplace remedy for kidney stone. Shock waves from outside the body frame are centered at a kidney stone inflicting the stone to fragment. The success of the (ESWL) treatment is based on some variables such as age, sex, stone quantity stone period and so on. Thus, the prediction the success of remedy by this method is so important for professionals to make a decision to continue using (ESWL) or to using another remedy technique. In this study, a prediction system for (ESWL) treatment by used three techniques of mixing classifiers, which is Product Rule (PR), Neural Network (NN) and the proposed classifier called Nested Combined Classifier (NCC). The samples had been taken from 2850 actual sufferers cases that had been treated at Urology and Nephrology center of Iraq. The results from three cases have been compared to actual treatment results of (ESWL) for trained and nontrained cases and compared the results of three models. The results show that (NCC)approach is the most accurate method in prediction the efficient of uses (ESWL) remedy in treatment the kidney stone.


Article
Micro-Bubble Flotation for Removing Cadmium Ions from Aqueous Solution: Artificial Neural Network Modeling and Kinetic of Flotation
التعويم باستخدام الفقاعات المايكروية لازالة ايونات الكادميوم من المحاليل المائية: موديل الشبكة العصبية الاصطناعية والتعويم الحركي

Authors: Abeer I. Alwared --- Nada Abdulrazzaq --- Baseem Al-Sabbagh
Journal: Iraqi Journal of Chemical and Petroleum Engineering المجلة العراقية للهندسة الكيمياوية وهندسة النفط ISSN: 19974884/E26180707 Year: 2019 Volume: 20 Issue: 2 Pages: 1-9
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

In this work, microbubble dispersed air flotation technique was applied for cadmium ions removal from wastewater aqueous solution. Experiments parameters such as pH (3, 4, 5, and 6), initial Cd(II) ions concentration (40, 80, and 120 mg/l) contact time( 2, 5, 10 , 15, and 20min), and surfactant (10, 20and 40mg/l) were studied in order to optimize the best conditions .The experimental results indicate that microbubbles were quite effective in removing cadmium ions and the anionic surfactant SDS was found to be more efficient than cationic CTAB in flotation process. 92.3% maximum removal efficiency achieved through 15min at pH 5, SDS surfactant concentration 20mg/l, flow rate250 cm3/min and at 40mg/l Cd(II) ions initial concentration. The removal efficiency of cadmium ion was predicted through 11 neurons hidden layer, with a correlation coefficient of 0.9997 between ANN outputs and the experimental data and through sensitivity analysis, pH was found to be most significant parameter (25.13 %).The kinetic flotation order for cadmium ions almost first order and the removal rate constant (k) increases with decreasing the initial metal concentration.

تهدف هذه الدراسة الى تطبيق تقنية دقائق الهواء المتناهية الصغر في طريقة تعويم الهواء لإزالة أيونات الكادميوم من المحاليل المائية وذلك من خلال دراسة مجموعه من المتغيرات :الرقم الهيدروجيني (3 و 4 و 5 و 6) والتركيز الأولي للأيونات الكادميوم (40و 80 و 120 ملغم / لتر) وقت الاتصال (2 و 5 و 10 و 15 و 20 دقيقة) ، تركيز المواد الخافضة للشد السطحي (10 و 20 و 40 ملغم / لتر) من أجل ايجاد أفضل الظروف وتشير النتائج التجريبية إلى أن دقائق الهواء المتناهية الصغر كانت فعالة جدًا في إزالة أيونات الكادميوم وأن مادة SDS أكثر فعالية من CTAB كمادة خافضة للشد السطحي في عملية التعويم.وبكفاءة عالية بلغت 92.3٪ تحققت خلال 15 دقيقة عند دالة حامضية 5 ، وتركيز مادةSDS (20 ملغم / لتر )و معدل تدفق 250 سم 3 / دقيقة وبتركيز اولي (4ملغم/لتر). كما تضمنت الدراسة تطبيق برنامج ANN من اجل التنبؤ بازالة ايونات الكادميوم من المحاليل المائية خلال 11 طبقة من الخلايا العصبية المخفية ، مع معامل ارتباط 0.9997 بين مخرجات ANN والبيانات التجريبية ومن خلال تحليل الحساسية تبين أن الرقم الهيدروجيني (25.13٪) هو اكثر معامل يؤثر على العملية كماتوصلت الدراسة الى ان كان موديل يمثل النتائج العملية هو موديل التعويم الحركي من الدرجة الثانية ويزيد ثابت معدل إزالة مع انخفاض تركيز المعادن الأولي.


Article
PSO Trained Hybrid Intelligent Classifier Using Wavelet and Statistical Features for Pipeline Leak Classification

Loading...
Loading...
Abstract

One of the main problems in the oil industrial field is the leakage intransporting pipelines due to its effect on human society , environment, and money loss.Therefore, the bottleneck for most researches in this subject is to minimize false alarm rate(FAR) for the adopted leak detection method. Although some recent methods succeed inclassifying the existence or absence of the leak as a binary classification problem. But thispaper proposed a novel leak detection technique which predicts the leak location andestimates its size within certain pre-defined ranges. In order to simulate the environmentalconditions for real-time operating oil pipeline, accurate simulator known as OLGAprogram creates the oil physical parameters. Various methods for features extraction areconsidered such as statistical and wavelet techniques which are implemented to get thefeatures from the fluid simulated waveforms. These features are organized and fed to anANN classifier trained by PSO algorithm to determine the leak class out of 10 suggestedclasses. The proposed leak detection technique is used to simulate 18 kilometers belongingto Iraqi crude oil pipelines company operated in Baghdad. The achieved results of the truepositive rate (TPR) for the proposed applied method for the leak detection andclassification of different leak classes in terms of their positions and magnitudes wereabout 97%.


Article
Predicting Students’ Performance Using Machine Learning Techniques

Authors: Hussein Altabrawee a --- Osama Abdul Jaleel Ali a --- Samir Qaisar Ajmi a
Journal: Journal of University of Babylon مجلة جامعة بابل ISSN: 19920652 23128135 Year: 2019 Volume: 27 Issue: 1 Pages: 194-205
Publisher: Babylon University جامعة بابل

Loading...
Loading...
Abstract

The ultimate goal of any educational institution is offering the best educational experience and knowledge to the students. Identifying the students who need extra support and taking the appropriate actions to enhance their performance plays an important role in achieving that goal. In this research, four machine learning techniques have been used to build a classifier that can predict the performance of the students in a computer science subject that is offered by Al-Muthanna University (MU), College Of Humanities. The machine learning techniques include Artificial Neural Network, Naïve Bayes, Decision Tree, and Logistic Regression. This research pays extra attention to the effect of using the internet as a learning resource and the effect of the time spent by students on social networks on the students’ performance. These effects introduced by using features that measure whether the student uses the internet for learning and the time spent on the social networks by the students. The models have been compared using the ROC index performance measure and the classification accuracy. In addition, different measures have been computed such as the classification error, precision, recall, and the F measure. The dataset used to build the models is collected based on a survey given to the students and the students’grade book. The ANN (fully connected feed forward multilayer ANN) model achieved the best performance that is equal to 0.807 and achieved the best classification accuracy that is equal to 77.04%. In addition, the decision tree model identifiedfive factors as important factors which influence the performance of the students.

الهدف الرئيسي لاي مؤسسة تعليمية هو تزويد الطلبة بافضل معرفة وتجربة تعليمية. تحديد الطلبة الذين يحتاجون الى دعم و اهتمام إضافي و اتخاذ التدابير المناسبة لتحسين مستواهم العلمي يلعب دورا اساسيا لتحقيق هدف المؤسسة التعليمية. في هذا البحث, اربع تقنيات أو طرق خاصة ب Machine Learning تم استخدامها لبناء Classifiers تقوم بالتنبأ بمستوى أو أداء الطلبة العلمي في أحد دروس الحاسوب المقام في جامعة المثنى-كلية الاداب. تتضمن التقنيات المستخدمة كل من التقنيات الاتية: Artificial Neural Network, Naïve Bayes, Decision Tree, Logistic Regression. هذا البحث يهتم بتاثير استخدام الانترنت كمصدر للتعلم و كذلك تاثير استخدام الطالب لمواقع التواصل الاجتماعي على مستوى الطالب الدراسي. هذه التاثيرات تم استخدامها ك Features لقياس فيما اذا كان الطالب يستخدم الانترنت للدراسة ام لا و كذلك لقياس الوقت الذي يقضية الطالب بتصفح مواقع التواصل الاجتماعي. تم بناء اكثر من نموذج و تمت المقارنة بينهم باستخدام مقياس الاداء ROC index و كذلك تم استخدام دقة التصنيف للمقارنة بين النماذج. تم جمع المعلومات المستخدمة في بناء النماذج من خلال استمارة استبيان تم ملئها من قبل الطلبة و كذلك من سجل درجات الطلبة. حقق نموذج ANN أعلى نسبة أداء و التي تساوي 0.807 و حقق نسبة دقة تساوي 77.04%. و بالاضافة الى ذلك و باستخدام نموذج , Decision Tree تم التعرف على اربعه عوامل مهمة تقوم بالتاثير على مستوى الطالب بصورة كبيرة.


Article
River Water Salinity Impact on Drinking Water Treatment Plant Performance Using Artificial neural network
تأثير ملوحة مياه النهر على أداء محطة معالجة مياه الشرب بإستخدام الشبكة العصبية الصناعية

Authors: Sabreen Hayder Abbas صابرين حيدر عباس --- Basim Hussein Khudair باسم حسين خضير --- Mahdi Shanshal Jaafar مهدي شنشل جعفر
Journal: Journal of Engineering مجلة الهندسة ISSN: 17264073 25203339 Year: 2019 Volume: 25 Issue: 8 Pages: 149-159
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

The river water salinity is a major concern in many countries, and salinity can be expressed as total dissolved solids. So, the water salinity impact of the river is one of the major factors effects of water quality. Tigris river water salinity increase with streamline and time due to the decrease in the river flow and dam construction from neighboring countries. The major objective of this research to developed salinity model to study the change of salinity and its impact on the Al-Karkh, Sharq Dijla, Al-Karama, Al-Wathba, Al-Dora, and Al-Wihda water treatment plant along Tigris River in Baghdad city using artificial neural network model (ANN). The parameter used in a model built is (Turbidity, Ec, T.s, S.s, and TDS in) to predict the salinity TDSout. Results showed that the effectiveness of the artificial neural network model to predicting the salinity is a good agreement between observed and the predicted value of the TDS, through the determination coefficient of the model is (0.998, 0.966, 0.997, 0.998, 0.996, and 0.996) for Al. Karkh, Sharq Dijla, Al.Karama, Al.Wathba, Al.Dora and Al.Wihda respectively. From this value can be shown that ANN is a successful tool for predicting the nonlinear equation of the salinity under different and complicated environmental case along the river.

تعتبر ملوحة مياه النهر مصدر قلق لكثير من البلدان ويمكن التعبير عن الملوحة بكمية المواد الصلبة الذائبة. تزداد ملوحه مياه نهر دجلة على طول مجرى النهربالابتعاد عن مصبات النهرو مع الوقت, بسبب نقصان تدفق المياه والسدود التي يم انشاءها من قبل الدول المجاورة. الهدف الريئسي من هذا البحث هو لتطوير نموذج لدراسة تغيير الملوحة وتاثيره على محطات معالجة المياه ( الكرخ ,شرق دجلة , الكرامه, الوثبة, الدورة و الوحدة ) لمعالجة المياه على طول نهر دجلة في مدينة بغداد باستخدام برنامج الشبكة العصبية الصناعية.العوامل التي تم استخدامها لدراسة النموذج هي العكارة , التوصيلية الكهربائية , المواد الصلبة الكلية ,المواد الصلبة العالقة والمواد الصلبة الذائبة للمياه الداخلة للمحطة للتنبؤ بالملوحة ( المواد الصلبة الذائبة ) الخارجة من المحطة خلال الفترة من 2013-2017.اظهرت النتائج فعالية برنامج الشبكة العصبية الصناعية للتنبوء بالملوحة وهو مطابقة جيدة للمواد الصلبة الذابئة بين القيم المقاسة والقيم المتوقعة, من خلال معامل التحديد للنموذج هي(0.998 ، 0.966 ، 0.997 ، 0.998 ، 0.996 ، 0.996) للمحطات الكرخ , شرق دجلة , الكرامة , الوثبة, الدورة و الوحدة بالتتابع. من خلال هذه القيم يمكن اثبات ان برنامج الشبكة العصبية الصناعية كان اداة ناجحة للتبوء بالمعادلات الغير خطية للملوحة تحت ظروف مختلفة ومعقدة بيئية على طول النهر في منطقة الدراسة.

Listing 1 - 6 of 6
Sort by
Narrow your search

Resource type

article (6)


Language

English (6)


Year
From To Submit

2019 (6)