مقایسه مناسب ترین ترکیب ورودی در روش های شبکه عصبی مصنوعی و درخت تصمیم به منظور شناسایی عوامل تأثیرگذار بر پدیده گرد و غبار (مطالعه موردی: استان یزد)
Authors
Abstract:
یکی از بلایای طبیعی که هر ساله موجب خسارتهای زیادی در نواحی خشک و بیابانی جهان از جمله ایران و منطقه یزد میشود، بادهای شدید و شکلگیری طوفان گرد و خاک است که هرساله چندین مرتبه به وقوع می پیوندد. در این مطالعه از دادههای هواشناسی ایستگاه یزد (طوفان تندر، بزرگی باد (اندازه، مقدار)، تداوم باد (پیوستگی باد)، دید افقی، سریعترین سرعت باد، میانگین سرعت باد، سرعت باد غالب و تعداد وقوع طوفان گرد و خاک ثبت شده توسط اداره هواشناسی (اعم از طوفان های با منشاء داخلی و خارجی)) در بازه زمانی 1953-2005 به صورت ماهانه استفاده شد. به منظور تعیین مناسبترین ترکیب ورودی مدل شبکه عصبی و تعداد پارامترهای (ورودی) تأثیرگذار بر پدیده طوفان گرد و خاک از روشهای کاهش متغییر تحلیل عاملی (حداکثر احتمال، مؤلفه اصلی)، تجزیه مؤلفههای اصلی، آزمون تست گاما و رگرسیون گام به گام پیش رونده استفاده شد. هر کدام از روشهای مذکور ترکیب متفاوتی را ارائه نمودند که هر کدام از این ترکیبها در مدل شبکه عصبی پیش خور پس انتشار با توابع آموزشی لورنبرگ مارکوآت استفاده شد. نتایج بهدست آمده نشان داد که رگرسیون گام به گام پیش رونده با 87/0 R²= و 04/0RMSE= مناسبترین ترکیب را برای مدل شبکه عصبی ایجاد میکند. مقایسه شبیهسازی پدیده طوفان گرد و خاک در فصول و ماههای مختلف سال نشان داد که شبیهسازی پدیده گرد و غبار فصلهای تابستان و بهار و همچنین ماههای فروردین، اردیبهشت، خرداد، تیر، مرداد و شهریور از دقت بالاتری برخوردار میباشد. در مقایسه میان مدلهای شبکه عصبی پیشخور پس انتشار خطا با توابع آموزشی لورنبرگ مارکوآت و درخت تصمیم با توابع آموزشی کارت (CART)، شبکه عصبی با ضریب همبستگی 87/0 و مجذور میانگین مربعات خطای 04/0 نسبت به روش درخت .تصمیم با ضریب همبستگی 86/0 و مجذور میانگین مربعات خطای 06/0 از دقت بالاتری به منظور شبیهسازی طوفان گرد و خاک برخوردار است
similar resources
تعیین مناسب ترین روش ترکیب ورودی شبکه عصبی مصنوعی به منظور تعیین پارامترهای باد بر پیش بینی پدیده طوفان گرد و غبار (مطالعه موردی: استان یزد)
هدف از این مطالعه تعیین برخی عوامل تأثیر گذار بر پدیده طوفان گردوغبار با استفاده از روش های مختلف است. به منظور تعیین مناسب ترین ترکیب ورودی، از روش های کاهش متغیر از قبیل تحلیل عاملی (حداکثر احتمال، تجزیه مؤلفه های اصلی)، آزمون گاما و رگرسیون چند متغیره استفاده شد. هر کدام از روش های مذکور ترکیب متفاوتی را ارائه نمودند که هر کدام از این ترکیب ها در مدل شبکه عصبی پیشخور پس انتشار با توابع آموزش...
full textتعیین مناسبترین روش ترکیب ورودی شبکه عصبی مصنوعی به منظور تعیین پارامترهای باد بر پیشبینی پدیده طوفان گرد و غبار (مطالعه موردی: استان یزد)
هدف از این مطالعه تعیین برخی عوامل تأثیر گذار بر پدیده طوفان گردوغبار با استفاده از روشهای مختلف است. بهمنظور تعیین مناسبترین ترکیب ورودی، از روشهای کاهش متغیر از قبیل تحلیل عاملی (حداکثر احتمال، تجزیه مؤلفههای اصلی)، آزمون گاما و رگرسیون چند متغیره استفاده شد. هر کدام از روشهای مذکور ترکیب متفاوتی را ارائه نمودند که هر کدام از این ترکیبها در مدل شبکه عصبی پیشخور پس انتشار با توابع آموزش...
full textمقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure
کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...
full textمقایسه مدل شبکه عصبی مصنوعی و درخت تصمیم برای شناسایی و پیش بینی عوامل مرتبط با دیابت نوع2
هدف: یکی از اهداف تحقیقات پزشکی تعیین عوامل مرتبط در پیش بینی بیماری می باشد. یکی از شایع ترین بیماری های متابولیک در ایران، دیابت میباشد. هدف از این مطالعه شناسایی عوامل موثر در پیش بینی دیابت با استفاده از مدل های شبکه عصبی مصنوعی و درخت تصمیم می باشد. روش بررسی: برای انجام مطالعه، پرونده 901 تن از افرادی که در سال های 91 و 92 به مراکز بهداشتی شهر مشهد مراجعه کرده بودند، استفاده گردی...
full textواکاوی آماری پدیده گرد و غبار (مطالعه موردی اصفهان)
یکی از انواع بلایای طبیعی که هرساله موجب وارد آمدن آسیبهای زیست محیطی و اجتماعی بسیاری در برخی کشورها میشود، طوفانهای گرد و خاک و ریزگردهاست. در این پژوهش، پدیده گرد و غبار ایستگاه اصفهان از نظر زمانی و فضایی مطالعه شد. بدینمنظور دادهها شامل: زمان و تاریخ دیدهبانی، سمت و سرعت باد و وضعیت هوای حاضر پس از استخراج کدهای مربوط به پدیده گرد و غبار (06 و 07) و تحلیل آماری دادههای مرتبط با این...
full textشناسایی گرد و غبار از تصاویر modis با استفاده از روش های tiidi، درخت تصمیم گیری و شبکه عصبی
در میان همه ذرات معلق طبیعی و مصنوعی ایجاد شده توسط بشر در تروپسفر، ذرات معلق معدنی (گردوغبار) نقش مهمی را در تغییر آب و هوا ایفا می¬کنند. بنابراین شناسایی رویداد گردوغبار به عنوان یکی از گام¬های اصلی برای پیش بینی حرکت و گسترش گردوغبار و شناسایی هر چه دقیق¬تر هواویز گردوغبار است. فناوری سنجش از دور به دلیل وسعت منطقه¬ای که مورد پایش قرار می¬دهد همواره به عنوان یکی از کارآمدترین روش¬ها در مطا...
My Resources
Journal title
volume 9 issue 28
pages 33- 40
publication date 2015-07
By following a journal you will be notified via email when a new issue of this journal is published.
No Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023