بررسی اثر استفاده از تبدیلات موجک بر روی عدم‌قطعیت مدلهای مبتنی بر شبکه عصبی مصنوعی و ماشین یادگیری افراطی در زمینه پیشبینی میزان تقاضای آب شرب شهری
نویسندگان
چکیده مقاله:
پیشبینی میزان مصرف آب شرب شهری یکی از دغدغه‌های نوین جوامع شهری معاصر بوده است. در این راستا، تحقیقات زیادی در زمینه مقایسه عملکرد مدلهای مختلف انجام شده است. با معرفی شبکه عصبی مصنوعی، بحث پیرامون نحوه بهینه‌سازی آن‌ها با استفاده از روش‌های مختلف، بخصوص تبدیلات موجک داغ شد. در اغلب پژوهش‌ها اثر استفاده از تبدیلات موجک بر روی عملکرد و دقت مدلهای عصبی مورد توجه قرار گرفت، اما تاثیر استفاده از تبدیلات موجک بر عدم‌قطعیت مدلهای عصبی مورد بررسی قرار نگرفته است. در این پژوهش عملکرد و عدم قطعیت دو مدل مبتنی‌بر شبکه عصبی مصنوعی بازگشتی (NARX)، مدل یادگیری ماشینی افراطی (ELM) و نسخه موجکی آن‌ها (W_NARX) و (W_ELM) برای پیشبینی میزان مصرف آب شهرک مهدیه قم مورد بررسی قرار گرفت. نتایج نشان داد که مدل NARX (با ضریب رگرسیون ۰.۹۵۵) از دقت بالاتری در مقایسه با ELM (با ضریب رگرسیون ۰.۷۸۷) برخوردار است. از طرفی، نوع موجکی آن‌ها به‌ترتیب دارای ضریب رگرسیون ۰.۹۶۰ و ۰.۸۴۷ است که نشان دهنده برتری مدل W_NARX است. علت عملکرد ضعیف‌تر ELM را میتوان در پیچیدگی زیاد رفتار مصرف‌کننده آب و ساختار ساده این مدل نسبت به NARX دانست. از طرفی، استفاده از تبدیلات موجک بر بهبود دقت هر دو مدل تاثیر مثبت داشت، اما این تاثیر در مدل ELM بیشتر بود. نتایج تحلیل عدم‌قطعیت بر روی این دو مدل حاکی از کاهش عدم‌قطعیت هر دو مدل بود. اما این مهم در مدل W_NARX با بازه اطمینان ۹۸.۷۵٪ بیشتر قابل توجه بود.
منابع مشابه
پیشبینی تقاضای مسافرت هوایی بین شهری در ایران با استفاده از شبکه های عصبی مصنوعی
پیشبینی تقاضای حمل و نقل هوایی میتواند نقش مهمی را در برنامهریزیهای کلان و خرد یک کشور ایفا کند. در سطح کلان میتوان به اولویتبندی تخصیص بودجه های دولتی به شهرهای مختلف برای ایجاد زیرساختهای حمل و نقل هوایی مانند فرودگاه یا خرید و اجاره هواپیما اشاره کرد و در سطوح خرد برای فعالیتهایی مثل طراحی و برنامهریزی عملیات فرودگاه، تصمیم گیری شرکتهای هواپیمایی برای ورود به بازارهای جدید، افزایش ظرفیت خطوط...
مدلسازی غلظت تری هالومتان در آب شرب با استفاده از شبکه عصبی مصنوعی
در این مطالعه جهت مدل سازی میزان غلظت تری هالومتان در آب شرب، از شبکه عصبی مصنوعی استفاده شده است. پس از آموزش، شبکه عصبی قادر است براساس مشخصات کیفی آب و میزان غلضت کلر در آب شرب، میزان غلظت تری هالومتان را پیش بینی کند. جهت ارزیابی و تشریح مدل، آب تصفیه خانه سنگر واقع در شهرستان رشت به صورت موردی بررسی شده است. از اندازه گیری های انجام یافته بر روی آب شرب تصفیه خانه سنگر، داده های مورد نیاز،...
متن کاملروش مبتنی بر موجک برای طبقهبندی علف هرز و ذرت با استفاده از ویژگی‌های آماری و شبکه عصبی مصنوعی
در این تحقیق، یک رویکرد مبتنی بر تبدیل موجک برای طبقهبندی علف هرز و ذرت ارایه شده است. بر این اساس، یک پایگاه داده متشکل از 500 تصویر در شرایط عادی مزرعه تهیه شد. در ابتدا تبدیل موجک دو بعدی سه مرحله‌ای برای تمام تصاویر اعمال گردید. سپس، ویژگی‌های آماری ضرایب موجک (میانگین، واریانس، چولگی، درجه اوج، انرژی و آنتروپی) محاسبه شد. در نهایت یک شبکه عصبی مصنوعی چند لایه پرسپترون برای طبقهبندی تصاو...
متن کاملمقایسه قابلیتهای مدلهای مبتنی بر حافظه بلندمدت و مدل های شبکه عصبی پویا در پیشبینی بازدهی بورس اوراق بهادار تهران
این مقاله با هدف معرفی یک الگوی مناسب جهت پیشبینی شاخص بازدهی بورس اوراق بهادار تهران صورت پذیرفته است. دادههای مورد استفاده در این پژوهش به صورت روزانه و شامل بازهی زمانی پنجم فروردین 1388 تا سیام آبان 1390 که مشتمل بر 616 مشاهده بوده که جهت مجزا سازی پیشبینیهای داخل نمونهای و خارج از نمونهای، از تقریباً 90% از مشاهدات (556 مشاهده) جهت تخمین ضرایب مدل و از مابقی (60 مشاهده) جهت انجام پی...
متن کاملبررسی تغییرات زمانی بارش در استان همدان با استفاده از مدلهای آماری و شبکه عصبی مصنوعی
تغییر اقلیم یکی از معضلهای کنونی جامعه بشری است و تهدید و بلای سیاره زمین به شمار میآید افزایش دمای کره زمین سبب تغییرات ژرف و وسیع در اقلیمهای زمین شده و باعثبروز تغییراتی در زمان و مکان بارش می شود که آسیبهای بسیاری را خصوصاً در دهه اخیر وارد کرده است. در این راستا این پژوهش با شناخت تغییرات و روند فصل و دوره بارش در گذشته به الگوهای مؤثر بارش در بازههای مختلف زمانی میپردازد و پیش بینی تغییرات...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 15 شماره 4
صفحات 0- 0
تاریخ انتشار 2019-12-22
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023