مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

1,787
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

0
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

4

اطلاعات مقاله نشریه

عنوان

مقایسه کاربرد روش های شبکه عصبی مصنوعی و رگرسیون خطی چندمتغیره بر اساس تحلیل مولفه های اصلی برای پیش بینی غلظت میانگین روزانه کربن مونوکسید: بررسی موردی شهر تهران

صفحات

 صفحه شروع 135 | صفحه پایان 152

چکیده

 هدف از این مقاله, پیش بینی میانگین غلظت روزانه کربن مونوکسید در هوای شهر تهران با استفاده از دو مدل شبکه عصبی مصنوعی و رگرسیون خطی چندمتغیره برحسب تحلیل مولفه اصلی (PCA) است. از روش PCA برای از بین بردن هم راستایی چندگانه (multicolinearity) بین متغیرهای ورودی و تفسیر بهتر نتایج مدل رگرسیونی استفاده شده است. همچنین با استفاده از شبکه عصبی Feed-Forward با یک لایه پنهان نیز مدل مناسب برای این امر ایجاد شده است. به منظور پیش بینی غلظت کربن مونوکسید آمار سال های 1383 و 1384 ایستگاه قلهک واقع در شمال تهران مورد استفاده قرار گرفته است. پس از اجرای مدل های پیش گفته, ضریب همبستگی (R), شاخص میانگین نسبی خطای مطلق (MARE) و خطای میانگین مجموع مربعات (RMSE) در شبکه عصبی برای مرحله آزمون, به ترتیب برابر با 0.158, 0.716 و 0.969 به دست آمده که در مقایسه با مدل ترکیبی رگرسیونی MARE=0.189, R=0.581) و (RMSE=1.138 حاکی از برتری مطلق نتایج شبکه عصبی نسبت به مدل ترکیبی رگرسیونی است.

استنادها

ارجاعات

استناددهی

APA: کپی

نوری، روح اله، اشرفی، خسرو، و اژدرپور، ابوالفضل. (1387). مقایسه کاربرد روش های شبکه عصبی مصنوعی و رگرسیون خطی چندمتغیره بر اساس تحلیل مولفه های اصلی برای پیش بینی غلظت میانگین روزانه کربن مونوکسید: بررسی موردی شهر تهران. مجله فیزیک زمین و فضا، 34(1)، 135-152. SID. https://sid.ir/paper/80360/fa

Vancouver: کپی

نوری روح اله، اشرفی خسرو، اژدرپور ابوالفضل. مقایسه کاربرد روش های شبکه عصبی مصنوعی و رگرسیون خطی چندمتغیره بر اساس تحلیل مولفه های اصلی برای پیش بینی غلظت میانگین روزانه کربن مونوکسید: بررسی موردی شهر تهران. مجله فیزیک زمین و فضا[Internet]. 1387؛34(1):135-152. Available from: https://sid.ir/paper/80360/fa

IEEE: کپی

روح اله نوری، خسرو اشرفی، و ابوالفضل اژدرپور، “مقایسه کاربرد روش های شبکه عصبی مصنوعی و رگرسیون خطی چندمتغیره بر اساس تحلیل مولفه های اصلی برای پیش بینی غلظت میانگین روزانه کربن مونوکسید: بررسی موردی شهر تهران،” مجله فیزیک زمین و فضا، vol. 34، no. 1، pp. 135–152، 1387، [Online]. Available: https://sid.ir/paper/80360/fa

مقالات مرتبط نشریه ای

مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
    مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
    مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
    مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
    مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
    مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
    مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources
    فایل موجود نیست.
    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button