{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TK181",
        "title": "طراحی سیستم فازی جهت پیش بینی بار کوتاه مدت به روش گرادیان نزولی",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1390",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "TK181",
        "title": "طراحی سیستم فازی جهت پیش بینی بار کوتاه مدت به روش گرادیان نزولی",
        "degree": null,
        "faculty": "مهندسی برق",
        "year": 1390,
        "authors": [
            {
                "name": "نعیمه فخرشاملو",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "محمد حدادظریف",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "ندارد"
        ],
        "abstract": "با گسترش شبکه های قدرت و متصل شدن شبکه های محلی به یکدیگر، مسئله مدیریت بهینه شبکه\r\nروز به روز پر اهمیت تر می شود. برنامه ریزی تولید واحد ها در شبکه قدرت بشدت نیازمند برآورد\r\nدقیقی از میزان مصرف در آینده است. لذا پیش بینی بار امروزه یکی از ارکان مدیریت شبکه می\r\nباشد. با توجه به اینکه پیش بینی بار خود نمونه از مسائل تقریب توابع است، استفاده از روش های\r\nهوشمند مانند شبکه های عصبی و یا الگوریتم های فازی می تواند در تحقق برآورد دقیق، موثر باشد.\r\nدر این پایان نامه، هدف تهیه نرم افزاری جهت پیش بینی بار شهرستان مشهد به روش هوشمند\r\nاست. جهت نیل به این مقصود شبکه های عصبی پس انتشار، سیستم فازی با الگوریتم آموزش\r\nمورد آزمایش قرار گرفت. RLS گرادیان نزولی و همچنین سیستم فازی با الگوریتم آموزش\r\nپارامترهای معیار مقایسه روش های فوق در این مطالعه، دقت پیش بینی است و از اطلاعات تاریخی\r\nو آب و هوایی جهت پیش بینی بار استفاده شده است.\r\nنتایج بیانگر دقت مطلوب شبکه های عصبی پس انتشار در پیش بینی بار شهرستان مشهد است.\r\nنیز می تواند گزینه متاسبی جهت پیش بینی بار RLS همچنین سیستم فازی با الگوریتم آموزش\r\nباشد، لیکن بایستی محدودیت های سخت افزاری پیاده سازی این روش در نظر گرفته شود.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_TK181.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}