ارائه مدلی برای پیش بینی رابطه بین آلودگی هوا و بیماری های قلبی و تنفسی و روش های افزایش سلامتی توسط شبکه عصبی مصنوعی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده برق و کامپیوتر
- نویسنده مصطفی ایران منش پاریزی
- استاد راهنما محمد تشنه لب
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1391
چکیده
تاثیر آلاینده های هوا بر سلامتی افراد، بسیار واضح است و لذا در این بین، بیمارانی با زمینه های مشکلات قلبی و عروقی در معرض خطر بیشتری نسبت به افراد سالم هستند. با وجود این مشکل، نیاز به داشتن راه کارهای مناسب برای مقابله با این خطرات احساس می شود. استفاده از مدل ریاضی در پیش بینی تعداد افرادی که در روزهای آینده به علت مشکلات تنفسی و یا قلبی به بیمارستان ها و مراکز درمانی مراجعه می کنند، می تواند در خدمات رسانی بهتر و جلوگیری از پیش آمدن شرایط بحرانی مفید باشد. به این منظور در این پایان نامه، جهت پیش بینی تعداد مراجعین بیماران قلبی و تنفسی به بخش اورژانس، با توجه به شرایط هواشناسی و غلظت هر یک از آلاینده ها در روزهای گذشته، ابتدا از یک مدل رگرسیون خطی استفاده شده است، ولی با توجه به مطلوب نبودن پیش بینی ها در این مدل، سعی بر این شده است تا از مدلی استفاده شود که رابطه ای غیر خطی، میان اثرات کوتاه مدت آلودگی هوا و سلامتی انسان برقرار کند. بدین منظور در این تحقیق، از دو مدل شبکه عصبی استفاده گردیده است. اولین مدل، شبکه عصبی پرسپترون چند لایه می باشد و در نهایت با توجه به حافظه دار بودن سیستم مورد مطالعه، از مدل شبکه عصبی دیگری به نام شبکه عصبی المن، که یک شبکه حافظه دار بازگشتی است استفاده شده است. در ضمن عملکرد شبکه عصبی المن استفاده شده در این تحقیق، با شبکه عصبی پرسپترون چند لایه و مدل رگرسیون خطی نیز مقایسه شده است که نتایج برتری این روش را نسبت به دیگر روش ها نشان می دهد. همچنین در این پایان نامه آلاینده های مهم در پیش بینی تعداد مراجعین قلبی و تنفسی برجسته شده است.
منابع مشابه
مقایسه 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 ...
متن کاملشبکه های عصبی مصنوعی : مدلی برای پیش بینی
با توجه به محدودیتها و ابهامهای موجود در مدلهای متداول آماری مانند از دست دادن دادههای مربوط به تعاملهای پیچیده و غیرخطی بین سازههای روانشناختی و برخی مفروضهها مانند همگونی واریـانسها و توزیع نرمال، پژوهش حاضر توانایی مدلهای شبکههای عصبی مصنوعی را برای مطالعات پیشبینی بررسی کرد. گروه نمونهای شامل 456 دانش ـ آموز پسر سال سوم دبیرستان پرسشنامه شخصیتی کالیفرنیا (cpi؛ گاف، 1975) و پرسشنـام...
متن کاملارزیابی روشهای پیش بینی قمیت سهام و ارائه مدلی غیرخطی بر اساس شبکه های عصبی
در این مقاله با استفاده از اطلاعات سری زمانی قیمت و بازده سهام چند شرکت در بازار بورس تهران، به پیش بینی قیمت سهام و نیز ارائه مدل بهینه پرداخته می شود. روشهای پیش بینی مورد استفاده در تحقیق، به سه دسته تقسیم شده اند: روشهای پیش بینی براساس مدلهای خطی (کوتاه مدت و بلندمدت)، روشهای پیش بینی براساس مدلهای غیرخطی (شبکه های عصبی غیرخطی) و مدل شبکه عصبی با ساختار پیشنهادی، در هر مورد نتایج به دست آم...
متن کاملارائه مدلی برای پیش بینی بیماری لیشمانیوز جلدی (سالک) با استفاده از سامانه اطلاعات مکانی و الگوریتم شبکه عصبی
بیماری سالک، از بیماریهای انگلی میباشد که در شمار بیماریهای مشترک بین انسان و حیوان قرار میگیرد. این بیماری از شایعترین فرم بیماری لیشمانیوز است که توسط گونههای مختلف انگل لیشمانی...
متن کاملکاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه
پیشبینی بارش یکی از مهمترین مسائل در زمینه مدیریت بهینه منابع آب در بخشهای مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیشبینی بارش زمستانه استان خراسان رضوی با استفاده از شبکههای عصبی مصنوعی میباشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقهای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...
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 @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده برق و کامپیوتر
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023