تعداد نشریات | 161 |
تعداد شمارهها | 6,573 |
تعداد مقالات | 71,036 |
تعداد مشاهده مقاله | 125,504,725 |
تعداد دریافت فایل اصل مقاله | 98,768,763 |
مقایسه کاربرد روشهای شبکه عصبی مصنوعی و رگرسیون خطی چندمتغیره براساس تحلیل مؤلفههای اصلی برای پیشبینی غلظت میانگین روزانه کربنمونوکسید: بررسی موردی شهر تهران | ||
فیزیک زمین و فضا | ||
مقاله 10، دوره 34، شماره 1، فروردین 1387، صفحه 1-1 اصل مقاله (568.89 K) | ||
نویسندگان | ||
روحالله نوری؛ خسرو اشرفی؛ ابوالفضل اژدرپور* | ||
چکیده | ||
هدف از این مقاله، پیشبینی میانگین غلظت روزانه کربنمونوکسید در هوای شهر تهران با استفاده از دو مدل شبکه عصبی مصنوعی و رگرسیون خطی چندمتغیره برحسب تحلیل مؤلفه اصلی (PCA) است. از روش PCA برای از بین بردن همراستایی 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. بهمنظور پیشبینی غلظت کربنمونوکسید آمار سالهای 1383 و 1384 ایستگاه قلهک واقع در شمال تهران مورد استفاده قرار گرفته است. پس از اجرای مدلهای پیشگفته، 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 716/0، 158/0 و 969/0 بهدست آمده که در مقایسه با مدل ترکیبی رگرسیونی (581/0= R ، 189/0 MARE = و 138/1 RMSE =) حاکی از برتری مطلق نتایج شبکة عصبی نسبت به مدل ترکیبی رگرسیونی است. | ||
کلیدواژهها | ||
تحلیل مؤلفه اصلی؛ شبکه عصبی مصنوعی؛ کربنمونوکسید؛ رگرسیون خطی چندمتغیره؛ تهران | ||
مراجع | ||
| ||
آمار تعداد مشاهده مقاله: 3,835 تعداد دریافت فایل اصل مقاله: 3,774 |